Avs Docs MCP

🚀 MCP文檔搜索系統

這是一個向量搜索系統，藉助MongoDB Atlas向量搜索和Voyage AI嵌入技術實現文檔檢索。包含的示例數據適用於Atlas向量搜索 ！

✨ 主要特性

• 對帶有分層標題的Markdown文檔進行攝取和分塊處理。
• 利用Voyage AI的上下文嵌入API生成嵌入向量。
• 將文檔和嵌入向量以父子關係存儲在MongoDB中。
• 提供FastMCP服務器，用於語義文檔搜索。
• 支持可配置的向量維度和分塊策略。

可用的MCP工具

文檔搜索服務器提供以下工具：

1. search_documents_vector(query: str, limit: int = 5)
   • 主要的搜索方法，使用向量相似度進行搜索。
   • 返回帶有元數據和相似度分數的文檔塊。
   • 最適合基於語義或含義的查詢。
2. search_documents_lexicaly(query: str, limit: int = 1)
   • 備用搜索方法，使用詞法/文本匹配進行搜索。
   • 返回帶有搜索分數的完整父文檔。
   • 當向量搜索未找到合適匹配時很有用。
3. get_parent_document(parent_id: str)
   • 通過ID檢索完整的父文檔。
   • 返回原始內容和文件路徑。
   • 在搜索後使用，以獲取文檔塊的完整上下文。

📦 安裝指南

前提條件

• Python 3.10+
• 啟用向量搜索的MongoDB Atlas集群
• Voyage AI API密鑰

安裝步驟

1. 克隆倉庫：

git clone https://github.com/patw/avs-document-search.git
cd avs-document-search

2. 安裝依賴項：

pip install -r requirements.txt

3. 根據sample.env文件創建.env文件，並填入你的憑證信息。

💻 使用示例

基礎用法

1. 攝取docs/目錄下的文檔：

python ingest_docs.py

2. 運行搜索服務器：

python avs-mcp.py

運行搜索服務器主要是驗證你的MongoDB URI是否正確，你需要將這個MCP服務器接入到像Claude Desktop這樣的MCP客戶端中。以下是一個示例配置：

{
  "mcpServers": {
    "Atlas Vector Search Docs": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "fastmcp, pymongo, requests",
        "fastmcp",
        "run",
        "<path to>/avs-docs-mcp/avs-mcp.py"
      ]
    }
  }
}

📚 詳細文檔

配置

複製sample.env文件為.env文件，並進行編輯以配置以下內容：

• MongoDB連接字符串
• 數據庫和集合名稱
• Voyage AI API密鑰
• 向量維度（默認為256）

未來改進方向

• （當MongoDB 8.1在Atlas上正式發佈時）使用$rankFusion實現結合向量和文本搜索的混合搜索。
• 通過Docling支持更多文件格式（如PDF、Word等）。

貢獻

歡迎提交拉取請求！對於重大更改，請先開啟一個問題進行討論。

作者

Pat Wendorf
pat.wendorf@mongodb.com
GitHub: patw

📄 許可證

MIT