Shared Knowledge RAG

Shared Knowledge MCP Server是一個為多種AI助手提供統一知識庫服務的中間件，通過RAG技術實現高效信息檢索與共享。

知識管理與記憶開發者工具 #知識共享 #RAG檢索 #AI中間件 #向量存儲 .JavaScript

評分 : 2.5分

下載量 : 10.0K

更新時間 : 2025-04-28

打開站點

什麼是Shared Knowledge MCP服務器？

Shared Knowledge MCP服務器是一個用於管理和共享知識庫的工具，它通過Retrieval Augmented Generation (RAG)技術實現高效的文檔搜索和分析。無論您使用哪個AI助手，都可以訪問統一的知識庫。

如何使用Shared Knowledge MCP服務器？

只需幾步即可開始使用：安裝服務器、配置環境變量並啟動服務。之後，您可以輕鬆地在任何支持的AI助手內查詢所需的信息。

適用場景

適用於需要跨平臺協作的企業團隊、開發者社區以及希望整合多源信息的個人用戶。

主要功能

多AI助手兼容性

支持多種流行的AI助手如CLINE、Cursor、Claude Desktop等。

高性能檢索

基於RAG技術，快速找到最相關的文檔片段。

可擴展的存儲引擎

支持多種矢量數據庫（如HNSWLib、Chroma、Pinecone等），滿足不同需求。

優勢

統一的知識庫管理減少重複工作

支持強大的檢索算法提升效率

侷限性

初次部署時可能需要較高的計算資源

某些高級功能依賴於第三方服務（如Pinecone）

如何使用

克隆倉庫

使用Git克隆Shared Knowledge MCP服務器代碼到本地。

安裝依賴

進入項目目錄後運行npm安裝依賴項。

配置環境變量

設置必要的環境變量如OPENAI_API_KEY和KNOWLEDGE_BASE_PATH。

啟動服務器

使用npm命令啟動MCP服務器。

使用案例

查找項目貢獻指南

當新成員想要了解如何參與項目開發時，可以查詢貢獻指南。

解決技術問題

遇到技術難題時，可以通過關鍵詞搜索歷史解決方案。

常見問題

如何更改默認的矢量存儲類型？

如果找不到相關文檔怎麼辦？

安裝

複製以下命令到你的Client進行配置

{
  "mcpServers": {
    "shared-knowledge-base": {
      "command": "node",
      "args": ["/path/to/shared-knowledge-mcp/dist/index.js"],
      "env": {
        "KNOWLEDGE_BASE_PATH": "/path/to/your/rules",
        "OPENAI_API_KEY": "your-openai-api-key",
        "SIMILARITY_THRESHOLD": "0.7",
        "CHUNK_SIZE": "1000",
        "CHUNK_OVERLAP": "200",
        "VECTOR_STORE_TYPE": "hnswlib"
      }
    }
  }
}

{
  "mcpServers": {
    "shared-knowledge-base": {
      "command": "node",
      "args": ["/path/to/shared-knowledge-mcp/dist/index.js"],
      "env": {
        "KNOWLEDGE_BASE_PATH": "/path/to/your/rules",
        "OPENAI_API_KEY": "your-openai-api-key",
        "VECTOR_STORE_TYPE": "pinecone",
        "VECTOR_STORE_CONFIG": "{\"apiKey\":\"your-pinecone-api-key\",\"environment\":\"your-environment\",\"index\":\"your-index-name\"}"
      }
    }
  }
}

{
  "mcpServers": {
    "shared-knowledge-base": {
      "command": "node",
      "args": ["/path/to/shared-knowledge-mcp/dist/index.js"],
      "env": {
        "KNOWLEDGE_BASE_PATH": "/path/to/your/docs",
        "OPENAI_API_KEY": "your-openai-api-key",
        "SIMILARITY_THRESHOLD": "0.7",
        "CHUNK_SIZE": "1000",
        "CHUNK_OVERLAP": "200",
        "VECTOR_STORE_TYPE": "hnswlib",
        "VECTOR_STORE_CONFIG": "{}"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

{
  "mcpServers": {
    "shared-knowledge-base": {
      "command": "node",
      "args": ["/path/to/shared-knowledge-mcp/dist/index.js"],
      "env": {
        "KNOWLEDGE_BASE_PATH": "/path/to/your/docs",
        "OPENAI_API_KEY": "your-openai-api-key",
        "SIMILARITY_THRESHOLD": "0.7",
        "CHUNK_SIZE": "1000",
        "CHUNK_OVERLAP": "200",
        "VECTOR_STORE_TYPE": "weaviate",
        "VECTOR_STORE_CONFIG": "{\"url\":\"http://localhost:8080\",\"className\":\"Document\",\"textKey\":\"content\"}"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

注意：您的密鑰屬於敏感信息，請勿與任何人分享。

🚀 共享知識庫

本項目通過整合大型語言模型（LLM）與本地知識庫，實現更智能的信息檢索與處理。它能自動加載指定文件並分塊，將文本轉換為向量存儲，還能基於向量相似度快速定位相關文檔片段，極大提升信息檢索效率。

🚀 快速開始

HNSWLib（默認）

無需額外環境準備，直接運行：

./rebuild-vector-store-hnsw.sh

Weaviate

啟動Docker容器：

./start-weaviate.sh

重建向量存儲：

./rebuild-vector-store-weaviate.sh

查看服務狀態：

curl http://localhost:8080/v1/.well-known/ready

停止服務：

docker-compose down

✨ 主要特性

核心功能

知識庫構建：自動從指定目錄加載Markdown文件（.md, .mdx）和文本文件（.txt），並將其內容進行分塊處理。
向量化存儲：利用OpenAI API將文本數據轉換為高維向量，並支持多種向量存儲方案。
智能檢索：通過向量相似度計算，快速定位與查詢問題最相關的文檔片段。

檢索增強功能

系統提供豐富的結果信息，包括但不限於：

位置標記：精確到段落級別的內容定位。
文檔類型：支持Markdown、文本文件等多種格式識別。
內容摘要：自動生成簡潔的內容概覽。
關鍵詞提取：智能抽取核心主題詞彙。

示例輸出格式如下：

{
  "hits": [
    {
      "id": "chunk_123",
      "score": 0.95,
      "content": "這是一段示例文本內容...",
      "position": [42, 56],
      "document_type": "Markdown",
      "summary": "這段文字主要講述了...",
      "keywords": ["關鍵詞1", "關鍵詞2"]
    }
  ]
}

這些擴展信息極大提升了LLM對檢索結果的理解與利用效率。

📦 安裝指南

通過以下環境變量進行系統配置：

變量名	描述	默認值
KNOWLEDGE_BASE_PATH	指定知識庫根目錄	必填
OPENAI_API_KEY	OpenAI API認證密鑰	必填
SIMILARITY_THRESHOLD	檢索相似度閾值（0 - 1）	0.7
CHUNK_SIZE	分塊大小	1000
CHUNK_OVERLAP	塊間重疊字數	200
VECTOR_STORE_TYPE	存儲引擎類型	hnswlib
VECTOR_STORE_CONFIG	存儲器配置參數	{}