Shared Knowledge RAG

Shared Knowledge MCP Serverは、複数のAIアシスタントに統一された知識ベースサービスを提供するミドルウェアで、RAG技術を通じて効率的な情報検索と共有を実現します。

知識管理と記憶開発者ツール #知識共有 #RAG検索 #AIミドルウェア #ベクトルストレージ .JavaScript

スコア : 2.5ポイント

ダウンロード数 : 6.2K

更新時間 : 2025-04-28

サイトを開く

共有知識MCPサーバーとは何ですか？

共有知識MCPサーバーは、知識ベースを管理および共有するためのツールです。Retrieval Augmented Generation (RAG)技術を通じて、効率的なドキュメント検索と分析を実現します。どのAIアシスタントを使用している場合でも、統一された知識ベースにアクセスできます。

共有知識MCPサーバーをどのように使用しますか？

数ステップで使用を開始できます。サーバーをインストールし、環境変数を設定してサービスを起動します。その後、サポートされている任意のAIアシスタント内で必要な情報を簡単に検索できます。

適用シナリオ

クロスプラットフォームでの協力が必要な企業チーム、開発者コミュニティ、および複数の情報源を統合したい個人ユーザーに適しています。

主な機能

複数のAIアシスタントとの互換性

CLINE、Cursor、Claude Desktopなど、複数の人気AIアシスタントをサポートします。

高性能検索

RAG技術に基づき、最も関連性の高いドキュメントの断片を迅速に見つけます。

拡張可能なストレージエンジン

HNSWLib、Chroma、Pineconeなど、複数のベクトルデータベースをサポートし、さまざまなニーズに対応します。

利点

統一された知識ベース管理により重複作業を減らす

強力な検索アルゴリズムをサポートし、効率を向上させる

制限

初回のデプロイ時には高い計算リソースが必要になる場合がある

一部の高度な機能はPineconeなどのサードパーティサービスに依存している

使い方

リポジトリをクローンする

Gitを使用して、共有知識MCPサーバーのコードをローカルにクローンします。

依存関係をインストールする

プロジェクトディレクトリに移動した後、npmを実行して依存関係をインストールします。

環境変数を設定する

OPENAI_API_KEYやKNOWLEDGE_BASE_PATHなど、必要な環境変数を設定します。

サーバーを起動する

npmコマンドを使用してMCPサーバーを起動します。

使用例

プロジェクト貢献ガイドを探す

新しいメンバーがプロジェクト開発に参加する方法を知りたい場合、貢献ガイドを検索できます。

技術的な問題を解決する

技術的な問題に遭遇した場合、キーワードで過去の解決策を検索できます。

よくある質問

デフォルトのベクトルストレージタイプを変更するにはどうすればいいですか？

関連するドキュメントが見つからない場合はどうすればいいですか？

インストール

以下のコマンドをクライアントにコピーして設定

{
  "mcpServers": {
    "shared-knowledge-base": {
      "command": "node",
      "args": ["/path/to/shared-knowledge-mcp/dist/index.js"],
      "env": {
        "KNOWLEDGE_BASE_PATH": "/path/to/your/rules",
        "OPENAI_API_KEY": "your-openai-api-key",
        "SIMILARITY_THRESHOLD": "0.7",
        "CHUNK_SIZE": "1000",
        "CHUNK_OVERLAP": "200",
        "VECTOR_STORE_TYPE": "hnswlib"
      }
    }
  }
}

{
  "mcpServers": {
    "shared-knowledge-base": {
      "command": "node",
      "args": ["/path/to/shared-knowledge-mcp/dist/index.js"],
      "env": {
        "KNOWLEDGE_BASE_PATH": "/path/to/your/rules",
        "OPENAI_API_KEY": "your-openai-api-key",
        "VECTOR_STORE_TYPE": "pinecone",
        "VECTOR_STORE_CONFIG": "{\"apiKey\":\"your-pinecone-api-key\",\"environment\":\"your-environment\",\"index\":\"your-index-name\"}"
      }
    }
  }
}

{
  "mcpServers": {
    "shared-knowledge-base": {
      "command": "node",
      "args": ["/path/to/shared-knowledge-mcp/dist/index.js"],
      "env": {
        "KNOWLEDGE_BASE_PATH": "/path/to/your/docs",
        "OPENAI_API_KEY": "your-openai-api-key",
        "SIMILARITY_THRESHOLD": "0.7",
        "CHUNK_SIZE": "1000",
        "CHUNK_OVERLAP": "200",
        "VECTOR_STORE_TYPE": "hnswlib",
        "VECTOR_STORE_CONFIG": "{}"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

{
  "mcpServers": {
    "shared-knowledge-base": {
      "command": "node",
      "args": ["/path/to/shared-knowledge-mcp/dist/index.js"],
      "env": {
        "KNOWLEDGE_BASE_PATH": "/path/to/your/docs",
        "OPENAI_API_KEY": "your-openai-api-key",
        "SIMILARITY_THRESHOLD": "0.7",
        "CHUNK_SIZE": "1000",
        "CHUNK_OVERLAP": "200",
        "VECTOR_STORE_TYPE": "weaviate",
        "VECTOR_STORE_CONFIG": "{\"url\":\"http://localhost:8080\",\"className\":\"Document\",\"textKey\":\"content\"}"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

注意：あなたのキーは機密情報です。誰とも共有しないでください。

🚀 共享知識ベース

大型言語モデル（LLM）とローカルの知識ベースを統合することで、より高度な情報検索と処理能力を実現します。このシステムには以下の主要な機能が備わっています。

🚀 クイックスタート

このシステムは、大型言語モデル（LLM）とローカルの知識ベースを統合することで、情報検索と処理能力を向上させます。以下に、システムの概要と使用方法を説明します。

✨ 主な機能

知識ベースの構築：指定されたディレクトリからMarkdownファイル（.md, .mdx）とテキストファイル（.txt）を自動的に読み込み、内容をチャンクに分割します。
ベクトル化と保存：OpenAI APIを使用してテキストデータを高次元ベクトルに変換し、複数のベクトル保存方式をサポートします。
スマート検索：ベクトルの類似度計算に基づいて、クエリに最も関連するドキュメントの断片を迅速に見つけます。

📦 インストール

環境構成

システムの設定は、以下の環境変数を使用して行います。

変数名	説明	デフォルト値
KNOWLEDGE_BASE_PATH	知識ベースのルートディレクトリを指定	必須
OPENAI_API_KEY	OpenAI APIの認証キー	必須
SIMILARITY_THRESHOLD	検索の類似度閾値（0 - 1）	0.7
CHUNK_SIZE	チャンクのサイズ	1000
CHUNK_OVERLAP	チャンク間の重複文字数	200
VECTOR_STORE_TYPE	ベクトル保存エンジンのタイプ	hnswlib
VECTOR_STORE_CONFIG	保存エンジンの設定パラメータ	{}

💻 使用例

基本的な使用法

HNSWLib（デフォルト）

追加の環境設定は不要で、以下のコマンドを実行します。

./rebuild-vector-store-hnsw.sh

Weaviate

Dockerコンテナを起動します。

./start-weaviate.sh

ベクトル保存を再構築します。

./rebuild-vector-store-weaviate.sh

サービスの状態を確認します。

curl http://localhost:8080/v1/.well-known/ready

サービスを停止します。

docker-compose down

検索結果の拡張機能

システムは、以下のような拡張情報を提供します。

位置マーキング：段落レベルでの内容の位置特定
ドキュメントタイプ：Markdownやテキストファイルなどの複数の形式をサポート
内容要約：自動的に内容の要約を生成
キーワード抽出：核心的なキーワードを抽出

以下は、検索結果の出力例です。

{
  "hits": [
    {
      "id": "chunk_123",
      "score": 0.95,
      "content": "これはサンプルのテキスト内容です...",
      "position": [42, 56],
      "document_type": "Markdown",
      "summary": "この文章は主に...について説明しています",
      "keywords": ["キーワード1", "キーワード2"]
    }
  ]
}