MCP With Rag Demo

このプロジェクトは、検索強化生成（RAG）をサポートするモデルコンテキストプロトコル（MCP）サーバーの実装方法を示しており、知識ベースのやり取り、情報検索、ドキュメント管理機能を提供します。

知識管理と記憶開発者ツール #RAG統合 #MCPプロトコル #知識検索 #AIツール .Python

スコア : 2ポイント

ダウンロード数 : 9.5K

更新時間 : 2025-04-23

サイトを開く

MCPサーバーとは？

MCPサーバーは、モデルコンテキストプロトコルに基づくインテリジェントシステムで、AIモデルが検索強化生成（RAG）を通じて知識ベースとやり取りできるようにします。ユーザーはドキュメントを追加し、情報を検索し、さまざまなツールを呼び出して複雑なタスクを完了することができます。

MCPサーバーの使い方は？

サーバーを起動し、クライアントを接続するだけで使用を開始できます。サーバーは標準入出力モードとHTTP SSEモードをサポートしており、さまざまなアプリケーションシナリオに適しています。

適用シナリオ

MCPサーバーは、大量の知識ベースとやり取りする必要があるシナリオ、たとえば企業の知識管理、カスタマーサービスの自動化、データ分析などに適しています。

主要機能

検索強化生成（RAG）

RAG技術を通じて、MCPサーバーは知識ベースから関連情報を効率的に検索できます。

ツール統合

加法ツール、ドキュメント追加ツールなど、さまざまなツールをサポートし、ユーザーが特定のタスクを実行しやすくします。

リソースアクセス

組み込みリソース（たとえばサンプルデータファイル）へのアクセス権を提供します。

複数の通信モード

HTTP SSEと標準入出力の2つの通信方式をサポートし、さまざまなニーズに対応します。

利点

強力な検索能力で、複雑なクエリニーズに対応できます。

柔軟なツール統合で、新機能の拡張が容易です。

デプロイと使用が簡単で、複数の通信プロトコルをサポートします。

オープンなアーキテクチャで、さまざまな外部APIやサービスと互換性があります。

制限

非常に大きな知識ベースの場合、より高いハードウェア構成が必要になる可能性があります。

一部の高度な機能は追加料金が必要になるか、サードパーティサービスに依存する場合があります。

カスタム開発には一定の技術的背景が必要です。

使い方

依存関係のインストール

Python 3.8以上とpipがインストールされていることを確認し、以下のコマンドを実行して依存パッケージをインストールします：`pip install -r requirements.txt`。

サーバーの起動

サーバーを起動する際には、HTTP SSEモードまたは標準入出力モードを選択できます。

クライアントの接続

別のターミナルウィンドウでクライアントスクリプトを実行し、サーバーに接続します。

使用例

知識ベースにドキュメントを追加する

知識ベースに新しいドキュメントとそのメタデータを追加します。

知識ベース内の情報を検索する

キーワードに基づいて知識ベース内の関連内容を検索します。

よくある質問

接続失敗の問題を解決するにはどうすればいいですか？

ツールやリソースをカスタマイズできますか？

サーバーをデバッグするにはどうすればいいですか？

🚀 モデル制御プロトコル（MCP）サンプル

このプロジェクトは、モデル制御プロトコル（Model Control Protocol, MCP）をより良く理解し、使用するための完全なサンプル実装を提供します。以下に、このプロジェクトの詳細を説明します。

🚀 クイックスタート

プロジェクトの依存関係

サンプルを実行する前に、必要なすべての依存関係をインストールしてください。

pip install -r requirements.txt

環境変数の設定

.env ファイルを作成し、必要に応じて設定します。.env.example というテンプレートファイルを用意していますので、以下のコマンドを参考にしてください。

cp .env.example .env

.env ファイルを編集し、APIキーやその他の設定を追加します。

OPENAI_API_KEY=your_api_key_here
MCP_SERVER_URL=http://localhost:3000
DEBUG=false

OPENAI_API_KEY：あなたのOpenAI APIキー（必須）。
MCP_SERVER_URL：MCPサーバーのURLアドレス（オプション、デフォルトは http://localhost:3000）。
DEBUG：デバッグモードを有効にする（オプション、デフォルトは false）。

サンプルの実行

以下のコマンドを実行してサンプルを起動します。

python openai_example.py

コマンドライン引数で直接設定を指定することもできます。

python openai_example.py --api-key your_api_key_here --server-url http://localhost:3000 --debug

✨ 主な機能

モデル制御プロトコルの概要

MCPは、機械学習モデルを管理および制御するためのプロトコルです。標準化されたインターフェースを通じて、ユーザーが異なるモデルとトレーニング、推論、最適化などの操作を行うことができます。

機能特性

多モデルサポート：TensorFlowやPyTorchなど、複数のディープラーニングフレームワークと互換性があります。
柔軟な設定：カスタムパラメータとハイパーパラメータのチューニングをサポートします。
効率的な管理：モデルのバージョン管理とデプロイ機能を提供します。

💻 使用例

基本的な使用法

サンプルの機能は以下の通りです。

環境変数を読み込み、設定を解析します。
OpenAI APIを使用してモデルクライアントを初期化します。
利用可能なモデルのリストを表示します。
簡単なチャット完了サンプルを作成します。

🔧 トラブルシューティング

接続問題

接続が拒否された場合：サーバーが正しく起動していること、およびクライアントが正しいURLアドレス（デフォルトは http://localhost:3000）を使用していることを確認してください。
自動的に /sse パスが追加される場合：指定されたURLに /sse が含まれていない場合、クライアントは自動的に末尾にこのパスを追加します。