Solr Vector Search

🚀 Solr MCP 介紹

Solr MCP 是一個 Python 包，藉助模型上下文協議（MCP），可訪問 Apache Solr 索引。它讓 Claude 這類 AI 助手能對 Solr 索引執行強大搜索查詢，融合了關鍵字搜索與向量搜索功能。

🚀 快速開始

1. 克隆此倉庫
2. 使用 Docker 啟動 SolrCloud：

   docker-compose up -d
   

3. 安裝依賴項：

   python -m venv venv
   source venv/bin/activate  # 在 Windows 上：venv\Scripts\activate
   pip install poetry
   poetry install
   

4. 處理並索引示例文檔：

   python scripts/process_markdown.py data/bitcoin-whitepaper.md --output data/processed/bitcoin_sections.json
   python scripts/create_unified_collection.py unified
   python scripts/unified_index.py data/processed/bitcoin_sections.json --collection unified
   

5. 運行 MCP 服務器：

   poetry run python -m solr_mcp.server
   

有關更詳細的設置和使用說明，請參閱QUICKSTART.md指南。

✨ 主要特性

• MCP 服務器：實現模型上下文協議，便於與 AI 助手集成。
• 混合搜索：結合關鍵字搜索的精確性與向量搜索的語義理解。
• 向量嵌入：利用 Ollama 和 nomic-embed-text 生成文檔嵌入。
• 統一集合：在同一集合中存儲文檔內容和向量嵌入。
• Docker 集成：通過 Docker 和 docker-compose 實現輕鬆安裝。
• 優化的向量搜索：將 SQL 過濾條件推送到向量搜索階段，高效處理包含向量和 SQL 查詢的組合，確保即使在大量結果集和分頁情況下也能實現最佳性能。

🔧 技術細節

向量搜索優化

系統採用了一種重要的優化方法來處理同時包含向量相似性和 SQL 過濾條件的查詢：

1. 將 SQL 過濾條件（WHERE 子句）推送到向量搜索階段。
2. 確保僅對最終滿足 SQL 標準的文檔執行向量相似性計算。
3. 顯著提升以下查詢的性能：
   • 具有選擇性的 WHERE 子句。
   • 分頁（LIMIT/OFFSET）。
   • 大結果集。

這種優化通過減少計算開銷和網絡傳輸，最大限度地減少了所需的向量相似性計算數量。

📦 安裝指南

要求

• Python 3.10 或更高版本。
• Docker 和 Docker Compose。
• SolrCloud 9.x。
• Ollama（用於嵌入生成）。

📄 許可證

本項目遵循 MIT 許可證，具體信息請查看 LICENSE 文件。

🤝 貢獻

歡迎貢獻！請參閱CONTRIBUTING.md瞭解指南。