MCP Arcknowledge

🚀 MCP 異構知識庫查詢系統

MCP（Multiple Content Processing）異構知識庫查詢系統是一款基於RAG（Retrieval-Augmented Generation）技術的多源數據處理工具。它能助力用戶從多個不同的文檔源中提取並整合信息，進而解決複雜問題。

🚀 快速開始

MCP 異構知識庫查詢系統可幫助用戶高效管理知識源並進行內容查詢。以下為你介紹如何安裝和運行該系統。

✨ 主要特性

知識源管理

• 可添加新的知識文檔源。
• 能列出所有已註冊的知識源。

內容查詢

• 支持查詢單個知識庫。
• 可查詢指定知識庫組合。
• 能查詢所有知識庫。

📦 安裝指南

項目結構

mcp-arcknowledge/
├── main.py          # 主程序文件
├── README.md           # 文檔
└── requirements.txt    # 依賴管理

開發環境配置

1. 創建 mcp.json 配置文件：

{
    "name": "mcp-webhook-ai-agent",
    "version": "1.0.0",
    "description": "支持Webhook的AI代理，具備RAG功能",
    "main": "main.py",
    "tools": [
        {
            "name": "set_document_source",
            "description": "註冊新的文檔源URL用於RAG操作"
        },
        {
            "name": "list_document_sources",
            "description": "列出所有已註冊的文檔源"
        },
        {
            "name": "query_rag",
            "description": "使用RAG查詢指定文檔源"
        },
        {
            "name": "process_post_query",
            "description": "處理包含查詢負載的POST請求"
        }
    ],
    "dependencies": {
        "fastmcp": ">=0.4.0",
        "requests": ">=2.31.0",
        "pydantic": ">=2.0.0"
    }
}

2. 配置Cursor AI：

   • 打開Cursor AI設置。
   • 進入MCP部分。
   • 添加 mcp.json 文件路徑。
   • 重啟Cursor AI以應用更改。

3. 驗證配置：

# 檢查MCP是否正確配置
fastmcp check mcp.json

# 列出可用工具
fastmcp list

💻 使用示例

基礎用法

# 註冊新的文檔源URL
from your_module import add_new_knowledge_document_source
new_source_id = add_new_knowledge_document_source('https://example.com/new_source', 'New source description', 'your_api_key')

# 列出所有已註冊的文檔源
from your_module import list_knowledge_document_sources
document_sources = list_knowledge_document_sources()

# 使用指定文檔源查詢文本內容
from your_module import query_knowledge_base
result = query_knowledge_base('your_query', ['source_id_1', 'source_id_2'])

📚 詳細文檔

工具功能

核心函數

1. add_new_knowledge_document_source(url: str, description:str = None, apikey:str = None) -> str

   • 功能：註冊新的文檔源URL，可選提供描述和API密鑰。
   • 返回：包含新來源ID的確認消息。

2. list_knowledge_document_sources() -> Dict[str, Dict[str, str]]

   • 功能：列出所有已註冊的文檔源。
   • 返回：字典，鍵為來源ID，值為詳細信息（URL、描述、API密鑰）。

3. query_knowledge_base(query: str, source_ids: List[str] = [], image: str = '') -> str

   • 功能：使用指定文檔源（或所有源）查詢文本內容。
   • 返回：包含結果的JSON字符串。

項目開發

運行環境

• 推薦語言版本：
  • Python 3.8+

開發模式啟動

# 啟動開發服務器
fastmcp run main.py

貢獻指南

1. 提交代碼前請先格式化代碼。
2. 提交PR時需包含單元測試。

📄 許可證

本項目遵循MIT License協議。