Avs Docs MCP

🚀 MCPドキュメント検索システム

MongoDB Atlas Vector SearchとVoyage AIの埋め込みベクトルを使用したドキュメント検索用のベクトル検索システムです。

含まれるサンプルデータはAtlas Vector Search用です！

✨ 主な機能

• 階層的なヘッダーを持つマークダウンドキュメントを取り込み、チャンク化します。
• Voyage AIのコンテキスト埋め込みAPIを使用して埋め込みベクトルを生成します。
• 親子関係を持つドキュメントと埋め込みベクトルをMongoDBに保存します。
• セマンティックなドキュメント検索用のFastMCPサーバーを提供します。
• ベクトル次元数とチャンク化戦略を設定可能です。

利用可能なMCPツール

ドキュメント検索サーバーは以下のツールを提供します。

1. search_documents_vector(query: str, limit: int = 5)
   • ベクトル類似度を使用した主要な検索方法です。
   • メタデータと類似度スコアを含むドキュメントチャンクを返します。
   • セマンティック/意味ベースのクエリに最適です。
2. search_documents_lexicaly(query: str, limit: int = 1)
   • 語彙/テキストマッチングを使用したフォールバック検索です。
   • 検索スコアを含む完全な親ドキュメントを返します。
   • ベクトル検索で適切なマッチが見つからない場合に役立ちます。
3. get_parent_document(parent_id: str)
   • IDによって完全な親ドキュメントを取得します。
   • 元のコンテンツとファイルパスを返します。
   • 検索後にチャンクの完全なコンテキストを取得するために使用します。

📦 インストール

前提条件

• Python 3.10以上
• ベクトル検索が有効になっているMongoDB Atlasクラスター
• Voyage AI APIキー

インストール手順

1. リポジトリをクローンします：

git clone https://github.com/patw/avs-document-search.git
cd avs-document-search

2. 依存関係をインストールします：

pip install -r requirements.txt

3. sample.envを元に.envファイルを作成し、認証情報を入力します。

💻 使用例

基本的な使用法

ドキュメントの取り込み

python ingest_docs.py

検索サーバーの起動

python avs-mcp.py

検索サーバーを起動するだけではあまり意味がありません。MongoDB URIが正しいことを確認する以外に、このMCPサーバーをClaude DesktopのようなMCPクライアントに接続する必要があります。以下はサンプル設定です。

{
  "mcpServers": {
    "Atlas Vector Search Docs": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "fastmcp, pymongo, requests",
        "fastmcp",
        "run",
        "<path to>/avs-docs-mcp/avs-mcp.py"
      ]
    }
  }
}

📚 ドキュメント

sample.envを.envにコピーし、以下の項目を編集して設定します。

• MongoDB接続文字列
• データベースとコレクション名
• Voyage AI APIキー
• ベクトル次元数（デフォルトは256）

🔧 技術詳細

• 将来的な改善点
  • MongoDB 8.1がAtlasでGAになったら、$rankFusionを使用してベクトル検索とテキスト検索を組み合わせたハイブリッド検索を実装します。
  • Doclingを使用して、PDFやWordなどの追加のファイル形式をサポートします。

🤝 コントリビューション

プルリクエストは歓迎します！大きな変更の場合は、まずイシューを開いてください。

📄 ライセンス

MIT

👤 作者

Pat Wendorf
pat.wendorf@mongodb.com
GitHub: patw