MCP Based Agentic Rag

基于MCP的代理RAG（检索增强生成）

概述

该项目使用以下工具实现了一个简单的增强会话代理工具：

• fastmcp 用于构建MCP工具服务器
• langchain Ollama LLM的代理商(llama3.2:latest)在客户端
• 通过矢量存储+相似性搜索对文档进行本地RAG搜索
• 用于arXiv、GitHub、新闻数据和网络搜索的专用连接器

主要模块：

• server.py：MCP服务器公开工具：

- agent_fetch_tools （从 worker_agents/technical_agent.py)：研究和搜索工具的多工具编排器。 - conversational_agent （从 worker_agents/general_agent.py)：通用会话处理程序。

• client.py：交互代理循环；使用LangChain create_tool_calling_agent + ChatOllama. 包括动态选择调用哪个代理的主编排器（例如。， agent_fetch_tools 或 conversational_agent)基于用户的查询。

• local_rag_pipeline/vector_search.py：本地文档嵌入+检索API。

• local_rag_pipeline/vector_store.py：本地RAG数据的存储/索引助手。

特性

• 代理可以通过MCP服务调用外部工具。
• 本地RAG管道支持对存储在中的本地文档进行语义搜索 MCP pdf data, qdrant_data等等。
• 通过添加工具功能和向FastMCP注册，可以轻松扩展。

先决条件

• Python 3.10+
• Ollama安装和型号 llama3.2:latest 可用。
• virtualenv/uv（可选，但推荐）

安装

python -m venv .venv
source .venv/bin/activate
uv install -r requirements.txt

初创公司

1. 运行MCP服务器：

uv run server.py

1. 在另一个终端中，运行客户端：

uv run client.py

1. 键入查询。工具包括：

• agent_fetch_tools → 用于研究和搜索工具的多工具编排器。
• conversational_agent → 通用会话处理程序。

类型 exit, bye, quit 退出。

定制

• 在中添加新工具 tools/*.py 并注册 server.py.
• 更新中的本地RAG处理 local_rag_pipeline/vector_search.py.
• 修改提示 client.py 在...之下 ChatPromptTemplate.

故障排除

• Ollama 连接性：检查已安装的模型和正在运行的守护进程。
• FastMCP 端点是 http://127.0.0.1:8000/sse.
• 确保本地RAG矢量存在并且路径配置正确。

项目文件

• client.py -面向用户的异步代理循环
• server.py -MCP工具服务器
• worker_agents/technical_agent.py -多工具编排器
• worker_agents/general_agent.py -通用会话处理程序
• tools/arxiv_tool.py -arXiv搜索包装器
• tools/github_tool.py -GitHub搜索包装器
• tools/newsdata_tool.py -新闻搜索包装
• tools/web_search_tool.py -Web搜索包装器
• local_rag_pipeline/vector_search.py -RAG查询逻辑
• local_rag_pipeline/vector_store.py -持久性和索引