Ragflow MCP Server

🚀 RAGFlow 知識庫対話サーバー

RAGFlow API の知識庫対話サーバーは、知識庫の検索やチャットに使用できます。

MCP開発ドキュメントとRAGFlow APIリファレンスをダウンロードします。

wget https://modelcontextprotocol.io/llms-full.txt -O docs/mcp-llms-full.txt
wget https://github.com/infiniflow/ragflow/raw/refs/heads/main/docs/references/python_api_reference.md -O docs/ragflow-python_api_reference.md

🚀 クイックスタート

📦 インストール

GitHub Copilot

.vscode/mcp.json

{
    "servers": {
        "ragflow-mcp-server": {
            "command": "uvx",
            "args": [
                "ragflow-mcp-server",
                "--api-key=ragflow-dhMzViYzJlMTM1NjExZjBiNWU5MDI0Mm",
                "--base-url=http://172.16.33.66:8060"
            ]
        }
    }
}

Continue

config.yaml

mcpServers:
  - name: RAGFlow Server
    command: uvx
    args:
      - ragflow-mcp-server
      - --api-key
      - ragflow-dhMzViYzJlMTM1NjExZjBiNWU5MDI0Mm
      - --base-url
      - http://172.16.33.66:8060

Claude Desktop

MacOS では：~/Library/Application\ Support/Claude/claude_desktop_config.json
Windows では：%APPDATA%/Claude/claude_desktop_config.json%

✨ 主な機能

ツール

1. list_datasets

   • すべてのデータセットをリスト表示します。
   • データセットの ID と名前を返します。

2. create_chat

   • 新しいチャットアシスタントを作成します。
   • 入力：
     • name: チャットアシスタントの名前
     • dataset_id: データセットの ID
   • 作成されたチャットアシスタントの ID、名前、セッション ID を返します。

3. chat

   • チャットアシスタントと会話します。
   • 入力：
     • session_id: チャットアシスタントのセッション ID
     • question: 質問内容
   • チャットアシスタントの回答を返します。

🔧 技術詳細

構築と公開

1. 依存関係を同期します：

uv sync

2. 依存関係をインストールします：

uv install

3. テストを実行します：

uv test

4. パッケージ化します：

uv package

デバッグ

MCPデバッグツールを使用してデバッグします：

npm install -g @mcp/debugger
mcp-debugger

📚 ドキュメント

• RAGFlow Python API リファレンス
• モデルコンテキストプロトコル

これらの手順に従えば、RAGFlow 知識庫対話サーバーをあなたのプロジェクトに簡単に統合して使用できます。