🚀 MCP-agen-tic-RAG

このプロジェクトは、強化型RAG（検索強化生成）アプリケーションを構築するためのMCP（モデルコンテキストプロトコル）サーバーとクライアントを実装しています。サーバーは、エンティティ抽出、クエリ最適化、関連性チェックなど、RAGシステムのパフォーマンスを向上させる一連のツールを提供します。クライアントは、サーバーに接続してそのツールを使用する方法を示しています。

🚀 クイックスタート

このプロジェクトでは、MCPサーバーとクライアントを使用して強化型RAGアプリケーションを構築することができます。以下の手順に従って、サーバーとクライアントを起動しましょう。

✨ 主な機能

サーバーは、エンティティ抽出、クエリ最適化、関連性チェックなどのツールを提供し、RAGシステムのパフォーマンスを向上させます。
クライアントは、サーバーに接続してそのツールを使用する方法を示しています。

📦 インストール

リポジトリをクローンします：

git clone https://github.com/rukshanet/mcp-agentic-rag.git

依存関係をインストールします：

pip install -r requirements.txt

環境変数を設定します：
- .env.sampleファイルを元に.envファイルを作成します。
- OPENAI_MODEL_NAME環境変数を使用するOpenAIモデル名に設定します。

💻 使用例

基本的な使用法

サーバーの起動

python server.py

クライアントの実行

python mcp-client.py

高度な使用法

サーバーの機能

サーバーはmcpライブラリのFastMCPクラスをベースに実装されており、以下のツールを提供します。

# 現在の日付と時間を返す
get_time_with_prefix

# OpenAIを使用して、与えられたテキストクエリからエンティティを抽出する。このツールは、ユーザークエリ内の重要なエンティティを識別するために使用でき、ドキュメント検索の関連性を向上させる。
extract_entities_tool

# OpenAIを使用して、与えられたテキストクエリを最適化する。このツールは、ユーザーのクエリ品質を向上させるために使用でき、ドキュメント検索の関連性を向上させる。
refine_query_tool

# LLMを使用して、テキスト断片と与えられた質問の関連性をチェックする。このツールは、検索結果から関連性のない内容をフィルタリングするために使用できる。
check_relevance

クライアントの機能

クライアントは、mcpライブラリのClientSessionクラスを使用してサーバーとの接続を確立し、以下の例を提供します。

# サーバーへの接続方法
# 利用可能なツールのリスト表示
# 特定のツールとそのパラメータの呼び出し
# OpenAIと利用可能なMCPツールを使用したクエリの処理

🔧 技術詳細

サーバー（server.py）

サーバーはmcpライブラリのFastMCPクラスをベースに実装されています。以下のツールを提供します。

get_time_with_prefix：現在の日付と時間を返します。
extract_entities_tool：OpenAIを使用して、与えられたテキストクエリからエンティティを抽出します。このツールは、ユーザークエリ内の重要なエンティティを識別するために使用でき、ドキュメント検索の関連性を向上させます。
refine_query_tool：OpenAIを使用して、与えられたテキストクエリを最適化します。このツールは、ユーザーのクエリ品質を向上させるために使用でき、ドキュメント検索の関連性を向上させます。
check_relevance：LLMを使用して、テキスト断片と与えられた質問の関連性をチェックします。このツールは、検索結果から関連性のない内容をフィルタリングするために使用できます。