MCP Agentic Rag

🚀 MCP-agen-tic-RAG

本項目實現了一個MCP（模型上下文協議）服務器和客戶端，用於構建增強型RAG（檢索增強生成）應用程序。服務器提供了一系列工具，可提升RAG系統的性能，如實體提取、查詢優化和相關性檢查。客戶端則展示瞭如何連接服務器並使用這些工具。

🚀 快速開始

安裝

1. 克隆倉庫：

git clone https://github.com/rukshanet/mcp-agentic-rag.git

2. 安裝依賴項：

pip install -r requirements.txt

3. 配置環境變量：
   • 基於.env.sample文件創建一個.env文件。
   • 設置OPENAI_MODEL_NAME環境變量為你要使用的OpenAI模型名稱。

運行

1. 啟動MCP服務器：

python server.py

2. 運行MCP客戶端：

python mcp-client.py

✨ 主要特性

服務器特性

服務器基於mcp庫中的FastMCP類實現，提供了以下實用工具：

• get_time_with_prefix：返回當前日期和時間。
• extract_entities_tool：使用OpenAI從給定的文本查詢中提取實體，有助於識別用戶查詢中的關鍵實體，提高文檔檢索的相關性。
• refine_query_tool：使用OpenAI優化給定的文本查詢，可提升用戶的查詢質量，進而提高文檔檢索的相關性。
• check_relevance：使用LLM檢查文本片段與給定問題的相關性，可過濾檢索結果中的不相關內容。

客戶端特性

客戶端通過ClientSession類從mcp庫建立與服務器的連接，提供了以下示例：

• 如何連接到服務器
• 列出可用工具
• 調用特定工具及其參數
• 使用OpenAI和可用MCP工具處理查詢

📦 安裝指南

1. 克隆倉庫：

git clone https://github.com/rukshanet/mcp-agentic-rag.git

2. 安裝依賴項：

pip install -r requirements.txt

3. 配置環境變量：
   • 基於.env.sample文件創建一個.env文件。
   • 設置OPENAI_MODEL_NAME環境變量為你要使用的OpenAI模型名稱。

💻 使用示例

基礎用法

啟動服務器

python server.py

運行客戶端

python mcp-client.py

📄 許可證

本項目採用MIT許可證。