Docs MCP Server

🚀 MCP 文檔搜索服務器

MCP 文檔搜索服務器是一個輕量級的 MCP 服務器，旨在從流行的 AI 庫（如 LangChain、LlamaIndex 和 OpenAI）中搜索和檢索相關文檔內容。它能讓語言模型（LLM）動態查詢並獲取最新的文檔內容，在 LLM 和外部文檔源之間架起溝通的橋樑。

🚀 快速開始

克隆倉庫

git clone https://github.com/your-repository.git

創建並激活虛擬環境

python -m venv env
source env/bin/activate  # 在 Windows 上使用 `env\Scripts\activate`

安裝依賴項

pip install serper BeautifulSoup4

配置環境變量

創建 .env 文件並添加：

SERPER_API_KEY=your_api_key_here

✨ 主要特性

網絡搜索整合

• 使用 Serper API 進行網絡搜索。
• 支持從多個來源獲取相關信息。

內容提取

• 利用 BeautifulSoup 解析 HTML 文檔。
• 提供乾淨、結構化的文本輸出。

工具接口

• get_docs 工具：參數包括查詢字符串和文檔過濾條件。
• 工作流程：
  • 搜索相關文檔。
  • 解析獲取的內容。
  • 返回結果。

📚 詳細文檔

MCP 協議

MCP 協議是一個開放標準，用於構建安全的雙向連接，將數據源與 AI 工具連接起來。以下是協議的核心要素：

圖結構

• LLM 在孤立狀態：語言模型在沒有工具支持的情況下運行。
• LLM 有工具支持：語言模型可以調用工具進行信息檢索或處理。
• MCP 環境：語言模型通過 MCP 協議與外部工具和數據源交互。

生態系統角色

• 代理：負責協調 LLM 和外部工具的通信。
• 文檔源：提供可搜索的內容，如 API 文檔、知識庫等。

目的和願景

MCP 的目標是標準化語言模型與外部工具之間的通信，並減少定製化集成的工作量。其願景是促進模塊化服務生態系統的發展，類似於插件架構。

Claude Desktop 集成

修改配置文件 config.json

{
  "inspectorEnabled": true,
  "InspectableProcesses": [
    {
      "ProcessName": "uv",
      "PortNumber": 0
    }
  ]
}

添加示例代碼塊

{
  \"tool\": {
    \"name\": \"get_docs\",
    \"description\": \"從指定文檔庫中搜索相關內容\",
    \"parameters\": {
      \"type\": \"object\",
      \"properties\": {
        \"query\": {
          \"type\": \"string\",
          \"description\": \"搜索查詢字符串\"
        },
        \"filter\": {
          \"type\": \"string\",
          \"description\": \"文檔過濾條件\"
        }
      }
    }
  }
}

調試

使用 Node.js 和 Inspector 工具進行即時調試：

npx @modelcontextprotocol/inspector uv run main.py

支持的庫/文檔

• LangChain
• LlamaIndex
• OpenAI

未來改進方向

• 擴展支持更多庫（如 HuggingFace、PyTorch、TensorFlow）。
• 實現內容緩存以提升性能。
• 引入評分機制優化搜索結果質量。
• 增強測試和異常處理能力，確保生產環境的穩定性。