MCP Rag Search Server

🚀 自定義 MCP 服務器與 RAG 和多搜索功能

本項目是一個自定義的 MCP（模型調用協議）服務器，它基於 LlamaIndex 實現了檢索增強生成（RAG）功能。同時，該服務器支持通過 Google 的 Gemini 2.0 API 和 Linkup 進行多網絡搜索，為用戶提供更豐富、更準確的信息檢索體驗。

✨ 主要特性

• 本地文檔 RAG 工作流：可利用本地文檔實現檢索增強生成功能。
• 多種網絡搜索功能：
  • 高級 AI 驅動搜索：優先使用 Google 的 Gemini 2.0 進行搜索。
  • 傳統網絡搜索：可使用 Linkup 進行傳統網絡搜索。
• 基於 FastMCP 構建：採用 FastMCP 構建服務器，確保性能和穩定性。

📦 安裝指南

先決條件

• Python 3.8 或更高版本。
• 本地安裝 Ollama 並配備 DeepSeek 模型（也可修改配置使用您偏好的模型）。
• Google Gemini API 密鑰（可在 https://ai.google.dev/ 獲取）。
• Linkup API 密鑰（可選）。

安裝步驟

1. 克隆倉庫：

   git clone <repository-url>
   cd own-mcp-server
   

2. 安裝依賴項：

   pip install -r requirements.txt
   

3. 設置環境變量：創建一個 .env 文件，並添加以下內容：

   # 必需的 API 密鑰
   GEMINI_API_KEY=your_gemini_api_key_here
   LINKUP_API_KEY=your_linkup_api_key_here
   
   # 可選配置
   OLLAMA_HOST=http://localhost:11434
   

4. 添加文檔：將文檔添加到 data 目錄（若該目錄不存在，系統將自動創建）。

啟動服務器

運行以下命令啟動服務器：

python server.py

💻 使用示例

該服務器提供了以下實用工具：

1. web_search：使用最佳可用搜索方法（優先使用 Gemini 2.0 AI，必要時回退到 Linkup）。
2. gemini_search：使用 Google 的 Gemini 2.0 AI 進行搜索。
3. linkup_search：使用 Linkup 進行搜索。
4. rag：查詢您的本地文檔。

📚 詳細文檔

此項目使用了以下重要的庫：

🔧 技術細節

故障排除

若在使用過程中遇到問題，可參考以下解決方案：

1. 確保 Ollama 已正確安裝並運行。
2. 拉取 DeepSeek 模型：ollama pull deepseek-r1:1.5b。
3. 若遇到 Python 3.13 兼容性問題，可考慮降級到 Python 3.11 或 3.10。
4. 驗證您的 API 密鑰是否正確且具有必要的權限。
5. 對於 Gemini 2.0 相關問題，確保您的 API 密鑰可以訪問最新模型。