Ragflow MCP Server

🚀 RAGFlow知識庫對話服務器

RAGFlow API 知識庫對話服務器，可用於搜索知識庫和進行聊天，為您提供便捷的知識查詢與交流體驗。

🚀 快速開始

下載文檔

下載 MCP 開發文檔和 RAGFlow API 參考：

wget https://modelcontextprotocol.io/llms-full.txt -O docs/mcp-llms-full.txt
wget https://github.com/infiniflow/ragflow/raw/refs/heads/main/docs/references/python_api_reference.md -O docs/ragflow-python_api_reference.md

安裝

GitHub Copilot

在 .vscode/mcp.json 中進行如下配置：

{
    "servers": {
        "ragflow-mcp-server": {
            "command": "uvx",
            "args": [
                "ragflow-mcp-server",
                "--api-key=ragflow-dhMzViYzJlMTM1NjExZjBiNWU5MDI0Mm",
                "--base-url=http://172.16.33.66:8060"
            ]
        }
    }
}

Continue

在 config.yaml 中進行如下配置：

mcpServers:
  - name: RAGFlow Server
    command: uvx
    args:
      - ragflow-mcp-server
      - --api-key
      - ragflow-dhMzViYzJlMTM1NjExZjBiNWU5MDI0Mm
      - --base-url
      - http://172.16.33.66:8060

Claude Desktop

• 在 MacOS 上：配置文件路徑為 ~/Library/Application\ Support/Claude/claude_desktop_config.json
• 在 Windows 上：配置文件路徑為 %APPDATA%/Claude/claude_desktop_config.json%

✨ 主要特性

組件 - 工具

1. list_datasets

   • 功能：列出所有數據集。
   • 返回：數據集的 ID 和名稱。

2. create_chat

   • 功能：創建一個新的聊天助手。
   • 輸入：
     • name：聊天助手的名稱。
     • dataset_id：數據集的 ID。
   • 返回：創建的聊天助手的 ID、名稱和會話 ID。

3. chat

   • 功能：與聊天助手進行對話。
   • 輸入：
     • session_id：聊天助手的會話 ID。
     • question：提問內容。
   • 返回：聊天助手的回答。

📚 詳細文檔

• RAGFlow Python API 參考
• 模型上下文協議

🔧 技術細節

開發

構建和發佈

1. 同步依賴：

uv sync

2. 安裝依賴：

uv install

3. 運行測試：

uv test

4. 打包：

uv package

調試

使用 MCP 調試工具進行調試：

npm install -g @mcp/debugger
mcp-debugger

通過這些步驟，您可以輕鬆集成和使用 RAGFlow 知識庫對話服務器到您的項目中。