MCP Scientific Rag

🧬 MCP科学RAG（本地服务器）

  

专为以下目的设计的高性能、100%私有和本地检索增强生成（RAG）系统 科学研究基于模型上下文协议（MCP），它将您的本地机器转换为集中式AI知识库，使Claude、Cursor、， 反重力VS代码， 爱马仕代理商，或OpenClaw，从密集的技术PDF、表格和复杂的科学符号中即时搜索、提取和综合见解。

______________________________________________________________________

🔬 为什么科学家需要专门的RAG

今天的研究人员淹没在文献中，但标准的人工智能工具和通用的RAG实现在科学工作流程中根本失败了：

1. PDF解析噩梦：科学论文使用复杂的多列布局、复杂的表格和繁重的数学公式。标准的提取器会把这些变成难以阅读的胡言乱语。
2. 严格的数据隐私研究人员不断处理敏感的患者数据、未发表的手稿或专有化学配方。将这些上传到第三方API（如OpenAI或Anthropic云）是一个巨大的安全风险或完全违反政策的行为。
3. 高上下文密度：通用嵌入模型无法区分高度细微差别的技术术语，导致语义搜索结果不佳和人工智能幻觉。
4. 零散的知识：文献通常分散在数十个项目文件夹中，因此不可能随着时间的推移在不同学科之间“连接点”。

MCP科学RAG 通过提供专门的、完全本地的基础设施来解决这个问题。它使用最先进的布局感知提取器(pymupdf4llm)以及高维嵌入(nomic-embed-text 通过Ollama）为您的AI助手提供完美、安全和永久的研究记忆。

______________________________________________________________________

🚀 改进和起源

该项目是对 mcp rag本地。我们重新设计了原始架构，以满足 科学界，复杂PDF的精度和本地隐私是不可谈判的。

🔬 核心科学增强

1. 最先进的提取技术(pymupdf4llm):

- 与标准提取器不同， pymupdf4llm 将表格、公式和科学文档结构直接转换为 清除Markdown，使LLM能够以零转录错误摄取技术数据。

1. 高质量嵌入(nomic-embed-text):

- 与原生集成 奥拉玛该模型明显优于传统的轻量级模型，为密集的技术术语提供了更大的上下文窗口和更好的语义理解。

1. 可移植JSON矢量数据库:

- 我们已经消除了对ChromaDB/Docker的严重依赖。通过使用原生Python JSON向量系统，该项目仍然 轻量级、快速、零配置，非常适合需要跨平台可移植性的研究人员。

1. 增强的批处理:

- 原生支持同时索引多达10篇科学论文，并优化了1500个字符的分块。

🧠 架构：集中的大脑

与需要为每个项目文件夹维护单独矢量数据库的传统RAG系统不同，此MCP服务器充当 单一的全球知识库 你的整个机器。

您可以要求您的LLM为分散在计算机上的PDF（下载、研究文件夹等）建立索引，服务器将所有提取的文本和嵌入集中到一个单一的文件中 ~/.mcp/scientific-rag/simple_db.json 文件。这允许你的人工智能将你1月份读到的一篇论文中的概念与你4月份正在进行的一个完全不同的项目进行交叉引用。

+----------------------+        1. Finds PDFs       +----------------------+
|   Scattered PDFs     | -------------------------> |    AI Assistant      |
| (Project A, Dwnlds)  |                            | (Claude/Cursor/etc)  |
+----------------------+                            +---------+------------+
                                                              |
                                 2. Calls index_multiple_pdfs |
                                      or search_knowledge     |
                                                              v
+----------------------+        3. Gets Vectors     +----------------------+
|        Ollama        |  |   MCP RAG Server     |
|  (nomic-embed-text)  |                            |  (pymupdf4llm)       |
+----------------------+                            +---------+------------+
                                                              |
                                        4. Stores / Retrieves |
                                                              v
                                                    +----------------------+
                                                    | Centralized Database |
                                                    |  (simple_db.json)    |
                                                    +----------------------+

______________________________________________________________________

🛠️ MCP工具暴露

服务器为您的AI助手提供以下功能：

______________________________________________________________________

⚙️ 快速开始

1.要求

• 奥拉玛 （本地运行）
• 紫外线 （Python包管理器）

2.准备嵌入模型

ollama pull nomic-embed-text

3.安装

# Clone the repository
git clone https://github.com/davinson-pezo/mcp-scientific-rag.git
cd mcp-scientific-rag

# Sync dependencies
uv sync

4.配置您的AI客户端

将此添加到您的MCP配置中（例如，Claude Desktop、Cursor、， 反重力VS代码， 爱马仕代理商，或OpenClaw设置）：

"mcp-scientific-rag": {
  "command": "uv",
  "args": [
    "--directory",
    "/ABSOLUTE/PATH/TO/mcp-scientific-rag",
    "run",
    "main.py"
  ]
}

______________________________________________________________________

🛡️ 隐私和安全

• 100%本地：没有数据离开你的机器。嵌入和搜索通过Ollama在本地处理。
• 山宁泰元数据：该系统旨在避免存储绝对的本地路径，确保您的存储库在公共共享时保持安全。

______________________________________________________________________

☕ 支持项目

如果这个工具对你的研究有帮助，你想支持它的发展，请随时给我买杯咖啡！


______________________________________________________________________

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。