MCP Rag Search Server

🚀 自定义 MCP 服务器与 RAG 和多搜索功能

本项目是一个自定义的 MCP（模型调用协议）服务器，它基于 LlamaIndex 实现了检索增强生成（RAG）功能。同时，该服务器支持通过 Google 的 Gemini 2.0 API 和 Linkup 进行多网络搜索，为用户提供更丰富、更准确的信息检索体验。

✨ 主要特性

• 本地文档 RAG 工作流：可利用本地文档实现检索增强生成功能。
• 多种网络搜索功能：
  • 高级 AI 驱动搜索：优先使用 Google 的 Gemini 2.0 进行搜索。
  • 传统网络搜索：可使用 Linkup 进行传统网络搜索。
• 基于 FastMCP 构建：采用 FastMCP 构建服务器，确保性能和稳定性。

📦 安装指南

先决条件

• Python 3.8 或更高版本。
• 本地安装 Ollama 并配备 DeepSeek 模型（也可修改配置使用您偏好的模型）。
• Google Gemini API 密钥（可在 https://ai.google.dev/ 获取）。
• Linkup API 密钥（可选）。

安装步骤

1. 克隆仓库：

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

2. 安装依赖项：

   pip install -r requirements.txt
   

3. 设置环境变量：创建一个 .env 文件，并添加以下内容：

   # 必需的 API 密钥
   GEMINI_API_KEY=your_gemini_api_key_here
   LINKUP_API_KEY=your_linkup_api_key_here
   
   # 可选配置
   OLLAMA_HOST=http://localhost:11434
   

4. 添加文档：将文档添加到 data 目录（若该目录不存在，系统将自动创建）。

启动服务器

运行以下命令启动服务器：

python server.py

💻 使用示例

该服务器提供了以下实用工具：

1. web_search：使用最佳可用搜索方法（优先使用 Gemini 2.0 AI，必要时回退到 Linkup）。
2. gemini_search：使用 Google 的 Gemini 2.0 AI 进行搜索。
3. linkup_search：使用 Linkup 进行搜索。
4. rag：查询您的本地文档。

📚 详细文档

此项目使用了以下重要的库：

🔧 技术细节

故障排除

若在使用过程中遇到问题，可参考以下解决方案：

1. 确保 Ollama 已正确安装并运行。
2. 拉取 DeepSeek 模型：ollama pull deepseek-r1:1.5b。
3. 若遇到 Python 3.13 兼容性问题，可考虑降级到 Python 3.11 或 3.10。
4. 验证您的 API 密钥是否正确且具有必要的权限。
5. 对于 Gemini 2.0 相关问题，确保您的 API 密钥可以访问最新模型。