MCP Local Rag

🚀 MCP本地检索增强生成（RAG）

这是一个注重隐私的文档搜索服务器，可完全在本地机器上运行。无需API密钥，不依赖云服务，数据不会离开你的计算机。

该项目基于模型上下文协议（MCP）构建，允许你使用Cursor、Codex、Claude Code或任何MCP客户端，通过语义搜索在本地文档中进行搜索，而无需将任何内容发送到外部服务。

🚀 快速开始

将MCP服务器添加到你的AI编码工具中。请选择以下工具对应的操作：

Cursor

将以下内容添加到 ~/.cursor/mcp.json 文件中：

{
  "mcpServers": {
    "local-rag": {
      "command": "npx",
      "args": ["-y", "mcp-local-rag"],
      "env": {
        "BASE_DIR": "/path/to/your/documents"
      }
    }
  }
}

Codex

将以下内容添加到 ~/.codex/config.toml 文件中：

[mcp_servers.local-rag]
command = "npx"
args = ["-y", "mcp-local-rag"]

[mcp_servers.local-rag.env]
BASE_DIR = "/path/to/your/documents"

Claude Code

运行以下命令：

claude mcp add local-rag --scope user --env BASE_DIR=/path/to/your/documents -- npx -y mcp-local-rag

重启你的工具，然后就可以开始使用了：

"Ingest api-spec.pdf"
"What does this document say about authentication?"

就是这么简单，无需安装，无需使用Docker，也无需复杂的设置。

✨ 主要特性

解决痛点

你可能希望使用AI来搜索文档，这些文档可能是技术规范、研究论文、内部文档或会议记录。然而，大多数解决方案都需要将文件发送到外部API，这会带来三个问题：

• 隐私问题：文档可能包含敏感信息，如客户数据、专有研究或个人笔记。将其发送给第三方服务意味着要将这些数据托付给他们。
• 大规模使用成本高：外部嵌入API按使用次数收费。对于大量文档或频繁搜索，成本会迅速增加。
• 网络依赖性：如果离线或网络连接受限，就无法搜索自己的文档。

本项目通过在本地运行所有操作来解决这些问题，文档不会离开你的机器。嵌入模型只需下载一次，之后即可离线使用，并且可以免费无限次使用。

提供的工具

服务器通过MCP提供了五个工具：

• 文档摄入：支持处理PDF、DOCX、TXT和Markdown文件。指定一个文件后，它会提取文本，将其拆分为可搜索的块，使用本地模型生成嵌入向量，并将所有内容存储在本地向量数据库中。如果再次摄入相同的文件，它会替换旧版本，不会产生重复数据。
• 语义搜索：允许使用自然语言进行查询。它理解语义，而不是简单的关键词匹配。例如，询问 “how does authentication work” 时，即使相关部分使用了 “login flow” 或 “credential validation” 等不同的表述，也能找到相关内容。
• 文件管理：显示已摄入的文件及其摄入时间。你可以查看每个文件生成的块数，并验证所有内容是否已正确索引。
• 文件删除：从向量数据库中删除已摄入的文档。删除文件时，其所有块和嵌入向量将被永久删除。这对于删除过时的文档或不再希望索引的敏感数据非常有用。
• 系统状态：报告数据库的相关信息，如文档数量、总块数和内存使用情况。有助于监控性能或调试问题。

技术选型

所有功能都基于以下技术：

• LanceDB：用于向量存储（基于文件，无需服务器）
• Transformers.js：用于生成嵌入向量（在Node.js中运行，无需Python）
• all-MiniLM-L6-v2 模型：384维，在速度和准确性之间取得了良好的平衡
• RecursiveCharacterTextSplitter：用于智能文本分块

性能表现

在标准笔记本电脑上，即使索引了数千个文档块，查询响应通常也能在3秒内完成。

📦 安装指南

本项目无需复杂的安装过程，按照快速开始部分的步骤将MCP服务器添加到你的AI编码工具中即可。

首次运行

服务器会立即启动，但嵌入模型会在首次使用时（即首次摄入或搜索时）下载：

• 下载大小：约90MB（模型文件）
• 缓存后的磁盘使用量：约120MB（包括ONNX运行时缓存）
• 下载时间：在良好的网络连接下需要1 - 2分钟
• 首次操作延迟：首次摄入或搜索请求将等待模型下载完成

控制台会显示类似 “Initializing model (downloading ~90MB, may take 1 - 2 minutes)…” 的消息。模型会缓存在 CACHE_DIR（默认：./models/）中，以便离线使用。

延迟初始化的原因：这种方式允许服务器立即启动，无需预先加载模型。只有在实际需要时才进行下载，使服务器在快速状态检查或文件管理操作时更具响应性。

离线模式：首次下载后，完全支持离线使用，无需网络连接。

💻 使用示例

配置

服务器默认配置即可使用，但你可以通过环境变量进行自定义。

Codex

将以下内容添加到 ~/.codex/config.toml 文件中：

[mcp_servers.local-rag]
command = "npx"
args = ["-y", "mcp-local-rag"]

[mcp_servers.local-rag.env]
BASE_DIR = "/path/to/your/documents"
DB_PATH = "./lancedb"
CACHE_DIR = "./models"

注意：节名称必须为 mcp_servers（使用下划线）。使用 mcp-servers 或 mcpservers 会导致Codex忽略该配置。

Cursor

在Cursor设置中添加以下内容：

• 全局设置（所有项目）：~/.cursor/mcp.json
• 项目特定设置：项目根目录下的 .cursor/mcp.json

{
  "mcpServers": {
    "local-rag": {
      "command": "npx",
      "args": ["-y", "mcp-local-rag"],
      "env": {
        "BASE_DIR": "/path/to/your/documents",
        "DB_PATH": "./lancedb",
        "CACHE_DIR": "./models"
      }
    }
  }
}

Claude Code

在项目目录中运行以下命令以启用该项目：

cd /path/to/your/project
claude mcp add local-rag --env BASE_DIR=/path/to/your/documents -- npx -y mcp-local-rag

或者为所有项目全局添加：

claude mcp add local-rag --scope user --env BASE_DIR=/path/to/your/documents -- npx -y mcp-local-rag

使用其他环境变量：

claude mcp add local-rag --scope user \
  --env BASE_DIR=/path/to/your/documents \
  --env DB_PATH=./lancedb \
  --env CACHE_DIR=./models \
  -- npx -y mcp-local-rag

环境变量说明

变量	默认值	描述	有效范围
BASE_DIR	当前目录	文档根目录。服务器仅访问此路径内的文件（防止意外访问系统文件）	任何有效路径
DB_PATH	./lancedb/	向量数据库存储位置。随着文档数量的增加，该目录可能会变得很大	任何有效路径
CACHE_DIR	./models/	模型缓存目录。首次下载后，模型将保留在此处以便离线使用	任何有效路径
MODEL_NAME	Xenova/all-MiniLM-L6-v2	HuggingFace模型标识符。必须与Transformers.js兼容。请参阅 可用模型。注意：更改模型需要重新摄入所有文档，因为不同模型的嵌入向量不兼容	HF模型ID
MAX_FILE_SIZE	104857600（100MB）	文件最大字节数。为防止内存问题，较大的文件将被拒绝	1MB - 500MB
CHUNK_SIZE	512	每个块的字符数。值越大，上下文信息越多，但处理速度越慢	128 - 2048
CHUNK_OVERLAP	100	块之间的重叠字符数。用于保留跨边界的上下文信息	0 - (CHUNK_SIZE/2)

操作使用

配置后重启客户端

• Cursor：完全退出并重新启动（在Mac上使用Cmd + Q，而不仅仅是关闭窗口）
• Codex：重启IDE/扩展
• Claude Code：无需重启，更改将立即生效

服务器将作为可用工具显示，供你的AI助手使用。

摄入文档

• Cursor：Composer Agent会在需要时自动使用MCP工具：

"Ingest the document at /Users/me/docs/api-spec.pdf"

• Codex CLI：助手会在需要时自动使用配置好的MCP工具：

codex "Ingest the document at /Users/me/docs/api-spec.pdf into the RAG system"

• Claude Code：直接自然提问即可：

"Ingest the document at /Users/me/docs/api-spec.pdf"

路径要求：服务器要求使用文件的绝对路径。你的AI助手通常会自动将自然语言请求转换为绝对路径。BASE_DIR 设置出于安全考虑，限制了对该目录树内文件的访问，但你仍需提供完整路径。

服务器会执行以下操作：

1. 验证文件是否存在且大小不超过100MB
2. 提取文本（支持PDF/DOCX/TXT/MD格式）
3. 将文本拆分为块（每个块512个字符，重叠100个字符）
4. 为每个块生成嵌入向量
5. 将其存储在向量数据库中

在标准笔记本电脑上，每MB文件大约需要5 - 10秒。完成后会显示确认信息，包括生成的块数。

搜索文档

使用自然语言提问：

"What does the API documentation say about authentication?"
"Find information about rate limiting"
"Search for error handling best practices"

服务器会执行以下操作：

1. 将查询转换为嵌入向量
2. 在向量数据库中搜索相似的块
3. 返回前5个匹配结果，并显示相似度得分

结果包括文本内容、文件来源和相关性得分。你的AI助手将使用这些结果回答你的问题。

你可以请求更多结果：

"Search for database optimization tips, return 10 results"

限制参数接受1 - 20个结果。

管理文件

查看已索引的文件：

"List all ingested files"

这将显示每个文件的路径、生成的块数以及摄入时间。

从数据库中删除文件：

"Delete /Users/me/docs/old-spec.pdf from the RAG system"

这将从向量数据库中永久删除该文件及其所有块。该操作是幂等的，即删除不存在的文件不会报错。

检查系统状态：

"Show the RAG server status"

这将报告总文档数、总块数、当前内存使用情况和运行时间。

重新摄入文件

如果你更新了文档，请再次摄入：

"Re-ingest api-spec.pdf with the latest changes"

服务器会在添加新块之前自动删除该文件的旧块，不会产生重复或过时的数据。

📚 详细文档

开发相关

从源代码构建

git clone https://github.com/shinpr/mcp-local-rag.git
cd mcp-local-rag
npm install

运行测试

# 运行所有测试
npm test

# 运行测试并生成覆盖率报告
npm run test:coverage

# 开发时的监视模式
npm run test:watch

测试套件包括：

• 每个组件的单元测试
• 完整摄入和搜索流程的集成测试
• 路径遍历保护的安全测试
• 验证查询速度目标的性能测试

代码质量检查

# 类型检查
npm run type-check

# 代码检查和格式化
npm run check:fix

# 检查循环依赖
npm run check:deps

# 全面质量检查（运行所有检查）
npm run check:all

项目结构

src/
  index.ts          # 入口点，启动MCP服务器
  server/           # RAGServer类，MCP工具处理程序
  parser/           # 文档解析（PDF、DOCX、TXT、MD）
  chunker/          # 文本拆分逻辑
  embedder/         # 使用Transformers.js生成嵌入向量
  vectordb/         # LanceDB操作
  __tests__/        # 测试套件

每个模块都有明确的边界：

• Parser：验证文件路径并提取文本
• Chunker：将文本拆分为重叠的段
• Embedder：生成384维向量
• VectorStore：处理所有数据库操作
• RAGServer：协调所有操作并暴露MCP工具

性能表现

测试环境

MacBook Pro M1（16GB RAM），于2025年1月在Node.js 22上使用v0.1.3版本进行测试。

查询性能

• 平均：对于10,000个索引块（返回5个结果），查询时间为1.2秒
• 目标：p90 < 3秒（已达成）

摄入速度（10MB PDF）

• 总计：约45秒
  • PDF解析：约8秒（17%）
  • 文本分块：约2秒（4%）
  • 嵌入向量生成：约30秒（67%）
  • 数据库插入：约5秒（11%）

内存使用

• 基线：空闲时约200MB
• 峰值：摄入50MB文件时约800MB
• 目标：< 1GB（已达成）

并发查询

能够处理5个并行查询而不降低性能。LanceDB的异步API允许非阻塞操作。

注意：实际结果会因硬件而异，尤其是CPU速度（嵌入向量计算在CPU上运行，而非GPU）。

故障排除

"No results found" 搜索无结果

原因：搜索前必须先摄入文档。

解决方案：

1. 首先摄入文档："Ingest /path/to/document.pdf"
2. 验证摄入情况："List all ingested files"
3. 然后进行搜索："Search for [your query]"

常见错误：配置完成后未摄入任何文档就立即进行搜索。

"Model download failed" 模型下载失败

嵌入模型在首次使用时（即首次摄入或搜索时）会从HuggingFace下载。如果你使用了代理或防火墙，可能需要配置网络设置。

出现情况：首次摄入或搜索操作会触发下载。如果下载失败，你会看到详细的错误消息和故障排除指导（网络问题、磁盘空间不足、缓存损坏等）。

解决方法：错误消息会提供具体建议。常见解决方案如下：

1. 检查网络连接并重新尝试操作
2. 确保有足够的磁盘空间（约120MB）
3. 如果问题仍然存在，删除缓存目录并再次尝试

或者手动下载模型：

1. 访问 https://huggingface.co/Xenova/all-MiniLM-L6-v2
2. 下载模型文件
3. 将 CACHE_DIR 设置为你保存模型的位置

"File too large" 文件过大错误

默认限制为100MB。对于较大的文件：

• 可以将其拆分为较小的文档
• 或者在配置中增加 MAX_FILE_SIZE（注意内存使用情况）

查询性能缓慢

如果查询时间比预期长：

• 检查已索引的块数（使用 status 命令）
• 考虑硬件性能（嵌入向量计算对CPU要求较高）
• 尝试减小 CHUNK_SIZE 以减少块数

"Path outside BASE_DIR" 路径超出BASE_DIR错误

为了安全起见，服务器将文件访问限制在 BASE_DIR 内。请确保文件路径在该目录内。检查以下内容：

• MCP配置中 BASE_DIR 设置是否正确
• 相对路径和绝对路径的使用
• 文件路径是否有拼写错误

MCP客户端无法识别工具

Cursor

1. 打开设置 → 功能 → 模型上下文协议
2. 验证服务器配置是否已保存
3. 完全重启Cursor
4. 检查状态栏中的MCP连接状态

Codex CLI

1. 检查 ~/.codex/config.toml 文件以验证配置
2. 确保节名称为 [mcp_servers.local-rag]（使用下划线）
3. 直接测试服务器：npx mcp-local-rag 应能正常运行且无错误
4. 重启Codex CLI或IDE扩展
5. 检查Codex启动时的错误消息

Claude Code

1. 运行 claude mcp list 查看已配置的服务器
2. 验证服务器是否在列表中
3. 检查 ~/.config/claude/mcp_config.json 文件是否有语法错误
4. 直接测试服务器：npx mcp-local-rag 应能正常运行且无错误

常见问题：

• 配置文件中的JSON语法错误
• BASE_DIR 设置中的文件路径错误
• 找不到服务器二进制文件（尝试全局安装：npm install -g mcp-local-rag）
• 防火墙阻止本地通信

工作原理

当你摄入文档时，解析器会根据文件类型提取文本。PDF使用 pdf-parse，DOCX使用 mammoth，文本文件则直接读取。

分块器使用LangChain的RecursiveCharacterTextSplitter将文本拆分。它会尝试在自然边界（段落、句子）处进行拆分，同时保持每个块约512个字符。相邻块重叠100个字符以保留上下文信息。

每个块会通过Transformers.js嵌入模型，将文本转换为384维向量，以表示其语义含义。为了提高效率，每次处理8个块。

向量存储在LanceDB中，这是一个基于本地文件的列式向量数据库，无需服务器进程，也无需复杂的设置，只是一个包含数据文件的目录。

当你进行搜索时，查询会使用相同的模型转换为向量。LanceDB会使用余弦相似度算法找到与查询向量最相似的块。前几个匹配结果会返回给MCP客户端，并包含原始文本和元数据。

这种方法的优点在于：语义相似的文本即使使用不同的词汇，其向量也会相似。例如，“authentication process” 和 “how users log in” 会相互匹配，这与关键词搜索不同。

常见问题解答

这真的能保证隐私吗？

是的。首次下载模型后，没有任何数据会离开你的机器。你可以使用网络监控工具进行验证，摄入或搜索过程中不会有出站请求。

可以离线使用吗？

可以，模型缓存后即可离线使用。首次运行需要联网下载模型（约90MB），之后所有操作都可以离线进行。

与云RAG服务相比如何？

云服务（如OpenAI、Pinecone等）通常提供更高的准确性和可扩展性。但它们需要将文档发送到外部，有持续的成本，并且依赖网络连接。本项目在一定程度上牺牲了准确性，但保证了完全的隐私和零运行成本。

支持哪些文件格式？

目前支持的文件格式有：

• PDF：.pdf（使用 pdf-parse）
• Microsoft Word：.docx（使用 mammoth，不支持 .doc）
• 纯文本：.txt
• Markdown：.md, .markdown

目前不支持的文件格式有：

• Excel/CSV：.xlsx, .csv
• PowerPoint：.pptx
• 带OCR的图像：.jpg, .png
• HTML：.html
• 旧版Word文档：.doc

如果你需要支持其他格式，请 提交问题 并说明使用场景。

可以自定义嵌入模型吗？

可以，将 MODEL_NAME 设置为HuggingFace上任何与Transformers.js兼容的模型。请注意，不同模型的向量维度不同，因此切换模型后需要重建数据库。

准确性在多大程度上依赖于模型？

all-MiniLM-L6-v2 针对英语进行了优化，对于技术文档表现良好。对于其他语言，可以考虑使用多语言模型，如 multilingual-e5-small。如果需要更高的准确性，可以尝试使用更大的模型，但处理速度会变慢。

支持GPU加速吗？

Transformers.js默认在CPU上运行。GPU支持处于实验阶段，且因平台而异。对于大多数使用场景，CPU性能已经足够（即使没有GPU，嵌入向量计算也相当快）。

多人可以共享数据库吗？

当前设计假设为单用户本地访问。对于多用户场景，需要实现身份验证和访问控制，这超出了本项目注重隐私设计的范围。

如何备份数据？

复制 DB_PATH 目录（默认：./lancedb/），这就是整个向量数据库。复制 BASE_DIR 目录以备份原始文档。两者都是普通文件，无需特殊导出操作。

🔧 技术细节

文档处理流程

1. 解析：根据文件类型使用不同的解析器提取文本。
2. 分块：使用 RecursiveCharacterTextSplitter 将文本拆分为合适大小的块，并设置重叠部分以保留上下文。
3. 嵌入：使用 Transformers.js 和 all-MiniLM-L6-v2 模型将每个块转换为384维向量。
4. 存储：将向量存储在 LanceDB 中。

搜索流程

1. 查询转换：将查询文本转换为向量。
2. 相似度搜索：在 LanceDB 中使用余弦相似度算法查找最相似的向量。
3. 结果返回：返回匹配结果及其相关信息。

性能优化

• 批量处理：在生成嵌入向量时，每次处理8个块以提高效率。
• 异步操作：LanceDB 的异步API允许非阻塞操作，提高并发处理能力。

📄 许可证

本项目采用MIT许可证，详情请参阅 LICENSE 文件。

本项目可免费用于个人和商业用途，无需注明出处，但我们对此表示感谢。

致谢

本项目基于以下技术构建：

• 模型上下文协议，由Anthropic提供
• LanceDB，用于向量存储
• Transformers.js，由HuggingFace提供
• LangChain.js，用于文本拆分

本项目是为那些希望在不牺牲隐私的前提下使用AI进行文档搜索的开发者而创建的实用工具。