MCP Kbdb

🚀 rag - mcp: 超過剰設計された検索システム

こんにちは、rag - mcpへようこそ。このプロジェクトは、「検索拡張生成という完璧なアイデアを、極端に複雑にして自己陶酔の記念碑にするとどうなるか」という古くからの疑問に答えます。これは、PostgreSQLとpgvector拡張を使用して、テキスト埋め込みをめちゃくちゃに操作するモデルコンテキストプロトコル（MCP）サーバーです。正直なところ、誰が単純さを必要とするのでしょうか？

これは本当の異端者向けです。問題を見て、「簡単なスクリプトで解決できるけれど、代わりに維持管理が nightmare になる入り組んだシステムを構築するとどうだろう」と考える人たちです。あなたたちこそ私の味方です。

🚀 クイックスタート

これは一体何なのか？

rag - mcpの核心は、テキストの知識ベースを検索するためのツールセットを提供するPythonサーバーです。ただの単調な検索方法ではなく、モダリティがあります。これらは、それぞれ特定のタスクに最適化された特別な検索方法と考えてください。

• 意味検索：クエリと雰囲気が合うものを見つけたいときに使用します。
• 質問/回答検索：質問をすると、回答を持っているふりをします。古典的です。
• スタイル検索：感じが似たものを見つけます。テキストのソムリエのようなものです。非常に気取っているけれど、意外と便利です。

これはすべてfastmcpフレームワーク上に構築されているため、他のAIエージェントと通信することができ、本当に荒唐無稽で自己言及的なコードのウロボロスを作り出すことができます。

アーキテクチャ、つまり「ソーセージがどのように作られるか」

これは美しい混乱です。以下がその青写真です：

1. サーバー (rag_mcp_server.py)：操作の中枢となるPythonスクリプトです。受信したリクエストを処理し、データベースと通信し、全体的に落ち着いた状態を維持しようとします。
2. データベース (postgresql + pgvector)：ここにすべてのテキストとそれに対応するベクトル埋め込みを保管します。create_tables.pgsqlスクリプトが全体のスキーマを定義しており、私が考えたものとしては意外と整理されています。documents、document_chunks、embeddingsテーブルがすべてリンクされています。ほとんどプロフェッショナルです。
3. 埋め込みエンジン (OpenAI互換)：単語を数値に変換するものが必要です。サーバーはOpenAI互換のAPIを呼び出して埋め込みを取得します。エンドポイントはあなたが指定できるので、好きな奇妙な自作モデルを使用できます。
4. ツール：サーバーは検索モダリティをMCPツールとして公開しています。現在、search_semantic_similarity、search_qa、search_styleがあります。

セットアップ、つまり「頑張ってください」

このビーストを動かすことは、一種の儀式です。

前提条件:

• Python 3.何でも。動けばOKです。
• pgvector拡張が有効になったPostgreSQL。その方法がわからない場合は、グーグルで検索してください。これは慈善活動ではありません。

インストール:

1. リポジトリをクローンします。当然です。

2. Pythonの依存関係をインストールします。

   pip install -r requirements.txt
   

3. データベースをセットアップします。PostgreSQLインスタンスに接続し、create_tables.pgsqlスクリプトを実行します。これにより、テーブルと高速なベクトル検索用の素敵なHNSWインデックスが作成されます。

4. 環境変数を設定します。.envファイルを作成するか、ただ大きな声で叫ぶか、あなたの選択です。

   # データベース関連
   RM_DB_HOST=localhost
   RM_DB_PORT=5432
   RM_DB_NAME=your_db_name
   RM_DB_USER=your_db_user
   RM_DB_PASSWORD=your_super_secret_password
   
   # 埋め込みモデル関連
   RM_OPENAI_API_KEY=your_api_key
   RM_OPENAI_ENDPOINT=your_model_endpoint_url
   

使用方法、つまり「踊りましょう」

ここまで来たあなたは、天才か、まったく迷子になっているかのどちらかです。いずれにせよ、起動しましょう。

1. サーバーを起動します。

   python rag_mcp_server.py
   

2. すぐにクラッシュしなければ、サーバーは待機状態になり、MCPツールを世界に公開します。あなたが持っているMCPクライアントからsearch_style、search_qa、search_semantic_similarityを呼び出すことができます。

クライアントからの接続、つまり「このものと話すものは何か？」

この壮大な怪物が動いています。次は何をすればいいでしょうか？これと話すものが必要です。VSCodeやClaude DesktopなどのAIアシスタントを使用している場合は、このサーバーを見つける方法を教える必要があります。

おそらく、JSON設定ファイルを編集する必要があります。mcpServersの場所を見つけて、次のようなものを追加します。

{
  "mcpServers": {
    "RAG - MCP Knoledge Base Server": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "fastmcp",
        "fastmcp",
        "run",
        "/location/of/the/script/rag_mcp_server.py:mcp"
      ],
      "env": {
        "RM_DB_HOST": "localhost",
        "RM_DB_PORT": "5432",
        "RM_DB_NAME": "your_db_name",
        "RM_DB_USER": "your_db_user",
        "RM_DB_PASSWORD": "your_super_secret_password",
        "RM_OPENAI_API_KEY": "your_api_key",
        "RM_OPENAI_ENDPOINT": "your_model_endpoint_url"
      },
      "transport": "stdio",
      "type": null,
      "cwd": null,
      "timeout": null,
      "description": null,
      "icon": null,
      "authentication": null
    }
  }
}

明らかに、/location/of/the/script/rag_mcp_server.py:mcpを実際のスクリプトの場所に変更してください。そして、envにあなたの秘密情報を入力してください。無思考にコピー&ペーストしないでください。でも、やってもいいです。私はあなたの親ではありません。

システムの拡張、つまり「もっと奇妙にする」

この全体の一番良いところは、さらに複雑にするのがいかに簡単かということです。独自の検索モダリティを追加できます。たとえば、五音脚韻でのみ結果を返す検索や、災害レシピを検索するものが欲しいかもしれません。思い切ってやってください。

私はそのためのマニュアルを書きました。manual.mdをチェックしてください。新しいモデル、タスク、ツール関数を追加するプロセスを案内します。簡単すぎて、少し残念です。

📄 ライセンス

このプロジェクトは現状のまま提供され、明示的または黙示的な保証は一切ありません。もしあなたのコンピューターが燃えたとしても、それはあなたの責任です。あなたがこの人生を選んだのです。