MCP Arcknowledge

🚀 MCP 異種知識ベースクエリシステム

MCP（Multiple Content Processing）異種知識ベースクエリシステムは、RAG（Retrieval-Augmented Generation）技術に基づく多源データ処理ツールです。このシステムは、ユーザーが複数の異なるドキュメントソースから情報を抽出し、統合することを支援し、複雑な問題を解決することができます。

🚀 クイックスタート

MCP 異種知識ベースクエリシステムを使用することで、多源データからの情報抽出と統合が容易になります。以下に、システムの概要と主な機能を紹介します。

✨ 主な機能

知識ソース管理

• 新しい知識ドキュメントソースを追加します。
• すべての登録済み知識ソースを一覧表示します。

コンテンツクエリ

• 単一の知識ベースをクエリします。
• 指定された知識ベースの組み合わせをクエリします。
• すべての知識ベースをクエリします。

📦 インストール

プロジェクト構造

mcp-arcknowledge/
├── main.py          # メインプログラムファイル
├── README.md           # ドキュメント
└── requirements.txt    # 依存関係管理

開発環境の構成

1. mcp.json 設定ファイルを作成します。

{
    "name": "mcp-webhook-ai-agent",
    "version": "1.0.0",
    "description": "WebhookをサポートするAIエージェントで、RAG機能を備えています。",
    "main": "main.py",
    "tools": [
        {
            "name": "set_document_source",
            "description": "RAG操作に使用する新しいドキュメントソースURLを登録します。"
        },
        {
            "name": "list_document_sources",
            "description": "すべての登録済みドキュメントソースを一覧表示します。"
        },
        {
            "name": "query_rag",
            "description": "指定されたドキュメントソースを使用してRAGクエリを実行します。"
        },
        {
            "name": "process_post_query",
            "description": "クエリペイロードを含むPOSTリクエストを処理します。"
        }
    ],
    "dependencies": {
        "fastmcp": ">=0.4.0",
        "requests": ">=2.31.0",
        "pydantic": ">=2.0.0"
    }
}

2. Cursor AIを設定します。

   • Cursor AIの設定を開きます。
   • MCPセクションに移動します。
   • mcp.json ファイルのパスを追加します。
   • Cursor AIを再起動して変更を適用します。

3. 設定を検証します。

# MCPが正しく設定されているか確認します。
fastmcp check mcp.json

# 利用可能なツールを一覧表示します。
fastmcp list

💻 使用例

基本的な使用法

以下は、主な関数の使用例です。

新しい知識ドキュメントソースを追加する

# 新しいドキュメントソースを登録する
add_new_knowledge_document_source(url="https://example.com/document", description="Example Document", apikey="your_api_key")

登録済みの知識ドキュメントソースを一覧表示する

# すべての登録済みドキュメントソースを一覧表示する
list_knowledge_document_sources()

知識ベースをクエリする

# 指定されたドキュメントソースを使用してクエリを実行する
query_knowledge_base(query="What is RAG?", source_ids=["source_id_1", "source_id_2"])

🔧 技術詳細

主な関数

1. add_new_knowledge_document_source(url: str, description:str = None, apikey:str = None) -> str

   • 機能：新しいドキュメントソースURLを登録し、必要に応じて説明とAPIキーを提供できます。
   • 戻り値：新しいソースIDを含む確認メッセージ。

2. list_knowledge_document_sources() -> Dict[str, Dict[str, str]]

   • 機能：すべての登録済みドキュメントソースを一覧表示します。
   • 戻り値：キーがソースID、値が詳細情報（URL、説明、APIキー）の辞書。

3. query_knowledge_base(query: str, source_ids: List[str] = [], image: str = '') -> str

   • 機能：指定されたドキュメントソース（またはすべてのソース）を使用してテキストコンテンツをクエリします。
   • 戻り値：結果を含むJSON文字列。

実行環境

• 推奨言語バージョン：
  • Python 3.8+

開発モードでの起動

# 開発サーバーを起動します。
fastmcp run main.py

📄 ライセンス

このプロジェクトはMIT Licenseに準拠しています。