Duckdb RAG MCP Sample

🚀 鴨子DB RAG MCP 示例

本示例項目可將 Markdown 文檔進行嵌入向量化，並通過 RAG 方法使用 MCP 對其進行解釋。向量化採用 Plamo-Embedding-1B 模型，為相關應用提供了高效且實用的解決方案。

✨ 主要特性

• 文本向量化：能夠從 Markdown 文件中提取文本，並將其轉換為向量表示。
• 向量搜索：藉助 DuckDB 進行快速的向量搜索，提升查詢效率。
• 數據持久化：通過 Parquet 文件實現向量數據的持久化存儲，方便數據管理。
• MCP 搜索：支持使用 MCP 進行向量搜索，滿足多樣化的搜索需求。

📦 安裝指南

本項目未提及具體安裝步驟，可參考使用方法中的命令進行操作。

💻 使用示例

向量數據生成

首先，將需要作為搜索目標的 Markdown 文件放置在特定目錄中，然後運行以下命令將其轉換為 Parquet 文件：

uv run main.py --directory ~/path/to/markdown/files --parquet vectors.parquet

MCP 配置

構建

使用以下命令生成單個可執行文件 dist/server：

uv run pyinstaller --clean --strip --noconfirm --onefile server.py

MCP 客戶端配置

根據所需使用的客戶端進行相應設置。例如，對於 Claude Desktop，可按以下方式配置：

• VECTOR_PARQUET 需指定之前生成的文件路徑。

uv run mcp install server.py -v VECTOR_PARQUET=/path/to/vectors.parquet

隨後會進行如下設置：

{
  "mcpServers": {
    "DuckDB-RAG-MCP-Sample": {
      "command": "/path/to/dist/server",
      "env": {
        "VECTOR_PARQUET": "/path/to/vectors.parquet"
      }
    }
  }
}

開發服務器啟動

uv run mcp dev server.py

📄 許可證

DuckDB RAG MCP 示例按 Apache License, Version 2.0 提供。