Duckdb RAG MCP Sample

🚀 鸭子DB RAG MCP 示例

このプロジェクトは、Markdown ドキュメントを埋め込みベクトル化し、RAG 手法を用いて MCP で解釈するサンプルです。向量化には Plamo-Embedding-1B モデルを使用しています。

🚀 クイックスタート

このサンプルを使うことで、Markdown ドキュメントの向量化や、DuckDB を用いたベクトル検索、MCP を用いた検索などの操作が可能になります。

✨ 主な機能

• Markdown ファイルからテキストを抽出し、ベクトル化する
• DuckDB を使用してベクトル検索を行う
• Parquet ファイルを介してベクトルデータを永続的に保存する
• MCP を使用してベクトル検索を行う

💻 使用例

ベクトルデータ生成

まず、検索対象とする Markdown ファイルを特定のディレクトリに配置し、以下のコマンドを実行して Parquet ファイルに変換します。

uv run main.py --directory ~/path/to/markdown/files --parquet vectors.parquet

MCP 設定

ビルド

以下のコマンドを使用して、単一の実行可能ファイル dist/server を生成します。

uv run pyinstaller --clean --strip --noconfirm --onefile server.py

MCP クライアント設定

使用するクライアントに応じて設定を行います。 例えば、Claude Desktop の場合、以下のように設定します。 VECTOR_PARQUET には、先に生成したファイルのパスを指定します。

uv run mcp install server.py -v VECTOR_PARQUET=/path/to/vectors.parquet

その後、以下のように設定を行います。

{
  "mcpServers": {
    "DuckDB-RAG-MCP-Sample": {
      "command": "/path/to/dist/server",
      "env": {
        "VECTOR_PARQUET": "/path/to/vectors.parquet"
      }
    }
  }
}

開発サーバー起動

uv run mcp dev server.py

📄 ライセンス

DuckDB RAG MCP サンプルは、Apache License, Version 2.0 に基づいて提供されています。