GDPR MCP服务器
一个本地模型上下文协议（MCP）服务器，用于使用混合三元组和向量搜索来搜索GDPR文档。
目录
先决条件
- 转到1.21+ - 下载Go
- GNU 编译器套件 -SQLite（CGO）所需
- macOS： xcode-select --install - Ubuntu/Debian： sudo apt install build-essential - Fedora： sudo dnf install gcc
快速开始
步骤1：克隆和构建
# Clone the repository
git clone https://github.com/jc/gdpr-mcp.git
cd gdpr-mcp
# Build the binary
go build -o gdpr-mcp ./cmd/gdpr-mcp
# (Optional) Install to your PATH
sudo cp gdpr-mcp /usr/local/bin/第二步：获取GDPR文本
下载完整的GDPR法规文本：
# Option A: Download from EUR-Lex (official source)
curl -o gdpr.txt "https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32016R0679"
# Option B: Create a sample file for testing
cat > gdpr.txt “在GDPR中搜索有关删除权的信息”
克劳德将使用 `gdpr_search` 工具和返回相关的GDPR部分。
______________________________________________________________________
### Ollama设置
Ollama没有原生MCP支持，但您可以使用 **打开WebUI** 或a **自定义桥接脚本**.
#### 选项A：使用Open WebUI（推荐）
[打开WebUI](https://github.com/open-webui/open-webui) 是Ollama的一个功能丰富的web界面，支持MCP。
##### 步骤1：安装Open WebUI
Using Docker (recommended)
docker run -d -p 3000:8080 \ --add-host=host.docker.internal:host-gateway \ -v open-webui:/app/backend/data \ --name open-webui \ --restart always \ ghcr.io/open-webui/open-webui:main
Or using pip
pip install open-webui open-webui serve
##### 步骤2：在Open WebUI中配置MCP
1. 打开http://localhost:3000在浏览器中
1. 首选 **设置** → **工具** → **MCP服务器**
1. 添加新的MCP服务器：
- **名字**: `gdpr`
- **命令**: `/usr/local/bin/gdpr-mcp`
- **参数**: `start`
1. 保存并重新启动Open WebUI
##### 步骤3：与Olama模型一起使用
1. 选择Ollama模型（例如。， `llama3.2`, `mistral`)
1. GDPR工具将可用于该模型
1. 问：“在GDPR中搜索数据可移植性权利”
______________________________________________________________________
#### 选项B：使用MCP CLI进行测试
您可以在没有UI的情况下直接测试MCP服务器：
##### 步骤1：安装mcp-cli
npm install -g @anthropic/mcp-cli
##### 步骤2：创建MCP配置
创建 `~/.mcp/config.json`:
{ "servers": { "gdpr": { "command": "/usr/local/bin/gdpr-mcp", "args": ["start"] } } }
##### 步骤3：测试服务器
List available tools
mcp-cli tools list --server gdpr
Call a tool
mcp-cli tools call --server gdpr --tool gdpr_search --args '{"query": "right of access"}'
______________________________________________________________________
#### 选项C：自定义Python桥
要使用Ollama进行编程访问，请创建一个桥接脚本：
#!/usr/bin/env python3 """Bridge between Ollama and GDPR MCP server."""
import json import subprocess import sys
def call_mcp_tool(tool_name: str, arguments: dict) -> str: """Call an MCP tool and return the result.""" # Start the MCP server proc = subprocess.Popen( ["/usr/local/bin/gdpr-mcp", "start"], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE, text=True )
# Initialize init_req = { "jsonrpc": "2.0", "id": 1, "method": "initialize", "params": { "protocolVersion": "2024-11-05", "capabilities": {}, "clientInfo": {"name": "python-bridge", "version": "1.0"} } } proc.stdin.write(json.dumps(init_req) + "\n") proc.stdin.flush() proc.stdout.readline() # Read init response
# Send initialized notification proc.stdin.write(json.dumps({"jsonrpc": "2.0", "method": "initialized"}) + "\n") proc.stdin.flush()
# Call the tool tool_req = { "jsonrpc": "2.0", "id": 2, "method": "tools/call", "params": { "name": tool_name, "arguments": arguments } } proc.stdin.write(json.dumps(tool_req) + "\n") proc.stdin.flush()
# Read response response = json.loads(proc.stdout.readline()) proc.terminate()
if "result" in response: return response["result"]["content"][0]["text"] return json.dumps(response.get("error", {}))
def search_gdpr(query: str, limit: int = 5) -> str: """Search GDPR documents.""" return call_mcp_tool("gdpr_search", {"query": query, "limit": limit})
def get_gdpr_chunk(chunk_id: int) -> str: """Get a specific GDPR chunk by ID.""" return call_mcp_tool("gdpr_get", {"id": chunk_id})
if __name__ == "__main__": # Example usage results = search_gdpr("right to be forgotten") print(results)
将此桥与Ollama的Python库一起使用：
import ollama from gdpr_bridge import search_gdpr
Search GDPR first
gdpr_context = search_gdpr("data portability")
Use context with Ollama
response = ollama.chat( model="llama3.2", messages=[{ "role": "user", "content": f"Based on this GDPR context:\n{gdpr_context}\n\nExplain data portability rights." }] ) print(response["message"]["content"])
______________________________________________________________________
## CLI命令
|命令|描述|
|---------|-------------|
| `gdpr-mcp ingest ` |将GDPR文本导入数据库|
| `gdpr-mcp start` |启动MCP服务器（stdio模式）|
| `gdpr-mcp stop` |停止正在运行的服务器|
| `gdpr-mcp status` |检查服务器和数据库状态|
| `gdpr-mcp version` |显示版本|
| `gdpr-mcp help` |显示帮助|
## 环境变量
|变量|描述|默认值|
|----------|-------------|---------|
| `GDPR_MCP_DB` |自定义数据库路径| `~/.local/share/gdpr-mcp/gdpr.db` |
| `OPENAI_API_KEY` |用于更好嵌入的OpenAI API密钥| _（无）_ |
| `GDPR_MCP_OPENAI` |设置为 `1` 启用OpenAI| _（残疾）_ |
## 使用OpenAI嵌入（可选）
为了更好的语义搜索，使用OpenAI嵌入而不是本地存根：
Set your API key
export OPENAI_API_KEY="sk-..." export GDPR_MCP_OPENAI=1
Re-ingest with real embeddings
./gdpr-mcp ingest gdpr.txt
## MCP工具参考
### gdpr_search
使用混合搜索（三元组+向量相似性）搜索GDPR文档。
**参数：**
- `query` （字符串，必填）：搜索查询
- `limit` （整数，可选）：最大结果（默认值：10）
**例子：**
{"name": "gdpr_search", "arguments": {"query": "right to be forgotten", "limit": 5}}
### gdpr_get
按ID检索完整文档块。
**参数：**
- `id` （整数，必填）：文档块ID
**例子：**
{"name": "gdpr_get", "arguments": {"id": 17}}
## 运作原理
1. **摄入**：GDPR文本被拆分为约1000个字符块，重叠100个字符
1. **三角指数**：块使用3个字符序列进行索引
1. **矢量嵌入**：块被转换为向量（OpenAI或本地存根）
1. **混合搜索**：查询使用这两种方法，并结合往复式排名融合
## 故障排除
### “找不到数据库”错误
首先运行摄取命令：
./gdpr-mcp ingest gdpr.txt
### “服务器已在运行”错误
停止现有服务器：
./gdpr-mcp stop
### CGO/SQLite构建错误
确保GCC已安装：
macOS
xcode-select --install
Ubuntu/Debian
sudo apt install build-essential
### Claude Desktop看不到工具
1. 验证配置文件路径是否正确
1. 使用二进制文件的绝对路径
1. 退出并重新启动克劳德桌面（Cmd+Q/Alt+F4）
1. 检查日志： `~/Library/Logs/Claude/` （macOS）
### 打开WebUI无法连接到MCP
1. 确保gdpr-mcp在PATH中或使用绝对路径
1. 检查数据库是否存在(`./gdpr-mcp status`)
1. 更改配置后重新启动Open WebUI
## 运行测试
go test ./... -v
## 项目结构
gdpr-mcp/ ├── cmd/gdpr-mcp/main.go # CLI entry point ├── internal/ │ ├── db/ # Database layer │ ├── ingest/ # Text processing │ └── server/ # MCP server ├── go.mod └── README.md