Haiku RAG是一个基于LanceDB、Pydantic AI和Docling构建的智能检索增强生成系统，支持混合搜索、重排序、问答代理、多代理研究流程，并提供本地优先的文档处理和MCP服务器集成。

该项目实现了一个MCP服务器和客户端，用于构建基于检索增强生成（RAG）的智能代理应用。服务器提供实体提取、查询优化和相关性检查等工具，客户端展示如何连接服务器并使用这些工具来增强RAG系统的性能。

本项目构建了一个基于IBM Watsonx.ai的检索增强生成(RAG)服务器，使用ChromaDB进行向量索引，并通过模型上下文协议(MCP)暴露接口。该系统能够处理PDF文档并基于文档内容回答问题，实现了将大型语言模型与特定领域知识相结合的智能问答功能。

MCP RAG Server是一个基于Model Context Protocol的检索增强生成服务，通过本地化工具（ChromaDB和Ollama）自动索引项目文档，为连接的LLM提供上下文增强能力。

基于检索增强生成(RAG)的Godot文档查询助手，通过向量化技术和语义搜索实现智能问答

一个基于Model Context Protocol (MCP)的服务端，提供检索增强生成(RAG)能力，集成Cursor IDE和Claude Desktop等客户端，实现领域知识问答、智能检索和上下文感知的响应生成。

Apple RAG MCP是一个为AI代理提供苹果开发专业知识的检索增强生成系统，集成了官方Swift文档、设计指南和Apple Developer YouTube内容，通过AI驱动的混合搜索技术提供准确的技术答案。

mcp-rag-server是一个基于Model Context Protocol (MCP)的服务，支持检索增强生成(RAG)，能够索引文档并为大型语言模型提供相关上下文。

一个基于Model Context Protocol (MCP)的服务端项目，提供检索增强生成(RAG)能力，可作为Cursor IDE和Claude Desktop等客户端与Contextual AI代理的桥梁，实现基于知识库的智能问答和上下文感知响应。

AmanMCP是一个隐私优先、零配置的本地代码库检索增强生成(RAG)工具，通过MCP协议与Claude AI集成，提供混合搜索功能，完全在本地运行，无需网络连接。

一个基于检索增强生成（RAG）的日记系统，支持按日期和主题组织日记，并提供语义搜索功能，可与AI代理连接增强交互。

一个基于TypeScript的MCP服务器，实现本地文档的检索增强生成(RAG)系统，支持Git仓库和文本文件的查询与索引。

该项目实现了一个基于FAISS向量数据库的MCP服务器，支持检索增强生成(RAG)功能，包含GitHub文件下载、文档索引、本地查询和LLM集成等完整工作流。

ctx-sys是一个本地优先的混合检索增强生成（RAG）工具，专为AI编程助手设计。它通过树状解析器分析代码库，结合语义向量搜索、关键词检索和图关系遍历，为AI助手提供深度项目理解，所有操作均在本地运行，保护代码隐私。

一个基于Python的文档处理与检索增强生成(RAG)服务器，使用DuckDB数据库存储嵌入向量，支持多种文件格式处理并提供Web界面和API接口。

MCP Apple Notes是一个基于Model Context Protocol的服务，能够对Apple Notes进行语义搜索和检索增强生成(RAG)，使AI助手如Claude能在对话中引用用户的笔记。

rag-mcp是一个过度设计的检索增强生成系统，通过Python服务器提供多种文本搜索模式（语义搜索、问答搜索、风格搜索），使用PostgreSQL和pgvector存储文本嵌入向量，支持与AI代理交互，架构复杂但可扩展。

知识RAG系统是一个本地化检索增强生成系统，通过MCP协议与Claude Code集成，支持对PDF、Markdown等多种格式文档进行混合搜索（语义+关键词），并提供关键词路由功能，适用于个人知识库管理。

这是一个基于MariaDB Cloud的混合检索增强生成（RAG）搜索系统演示项目。它集成了MariaDB向量搜索和通过FastMCP服务器实现的Brave Search网络搜索增强，使用20 Newsgroups数据集作为示例，提供即插即用的混合搜索架构。

mcp-rag-server是一个基于Model Context Protocol（MCP）的检索增强生成（RAG）服务器，通过索引项目文档为连接的LLM提供相关上下文。它使用ChromaDB和Ollama实现本地化存储和嵌入生成，支持多种文件格式，并可通过Docker快速部署。

该项目演示了如何实现一个支持检索增强生成(RAG)的模型上下文协议(MCP)服务器，提供知识库交互、信息检索和文档管理功能。

一个研究检索增强生成(RAG)与多云处理(MCP)服务器集成的开源项目，聚焦免费模型在商业软件中的应用，提供模块化学习路径和实践案例。

该项目实现了一个基于MCP协议的服务器，集成FAISS向量数据库和RAG技术，支持从GitHub提取Move文件并构建知识库，提供文档检索和增强生成功能。

一个基于AWS知识库的检索增强生成(RAG)服务实现

MiniRAG-MCP是一个MCP服务器包装器，围绕MiniRAG项目构建，旨在通过客户端管理的LLM推理采样，为本地设备上的智能体流程提供高效、可靠的检索增强生成（RAG）服务。

RAG Vault 是一个本地优先的文档检索增强生成工具，通过 MCP 协议为 AI 助手提供私有文档的快速访问。它支持多种文件格式，在本地进行索引和搜索，确保数据隐私，并提供混合搜索、Web 界面和远程服务器模式。

该项目展示了一个结合模型上下文协议(MCP)和检索增强生成(RAG)的轻量级多智能体AI系统，用于商业分析。系统通过协调多个专用工具服务器，提供自然语言查询的商业数据统计分析和知识检索功能，具有模块化设计便于扩展和LLM后端切换。

该项目基于Nasdanika能力构建人工智能系统，专注于在资源集合（互连模型）上操作，通过“叙述者”处理器多角度描述模型元素及其关系，并利用嵌入和向量存储实现语义搜索和RAG（检索增强生成），同时支持OpenAI和Ollama的聊天完成功能。

该项目是一个基于AWS无服务器架构的RAG（检索增强生成）服务，使用Lambda、OpenSearch Serverless和S3实现文档存储与检索，通过API Gateway提供MCP协议接口，集成OpenAI进行嵌入和生成。

RAG Anything MCP Server是一个提供全面检索增强生成(RAG)能力的模型上下文协议服务器，支持多模态文档处理与查询，具备端到端文档解析、批量处理、高级查询及持久化存储等功能。