以下是使用MCP托管此代理RAG应用程序的有用信息
步骤1：启动Qdrant容器
启动QDrant容器
docker run -p 6333:6333 -p 6334:6334 -v qdrant_storage:/qdrant/storage:z qdrant/qdrant步骤2：设置Bright数据帐户。
在以下网址开立免费帐户 亮度数据 并设置用户电子邮件和密码。你需要这个在里面 server2.py.
步骤3：启动MCP服务器。
克隆仓库并在游标IDE中打开它。然后转到设置>光标设置>MCP服务器。点击“添加新的MCP服务器”，并将以下代码（假设您没有运行其他服务器）添加到MCP.json中。
__了解“uv”的位置__
- 适用于Mac/Linux：使用
which uv或where uv - 对于窗户：它通常存在于
%USERPROFILE%/.local/bin/uv，在哪里%USERPROFILE%决心做类似的事情c:\Users\username.
{
"mcpServers": {
"mcpRAG": {
"command": "path/to/uv",
"args": [
"--directory",
"absolute/path/to/projectdir",
"run",
"server2.py"
]
}
}
}它应该以绿色显示状态并显示工具： f1_faq_search_tool 和 bright_data_web_search_tool.
现在，您可以在光标（Ctrl+L）中打开聊天并提问。
______________________________________________________________________
如何使用MCP测试您的RAG应用程序
先决条件
- Qdrant –启动容器（上述步骤1）。
- F1常见问题集 –通过运行笔记本创建一次
rag2.ipynb（运行创建的单元格f1_faq_collection并存储嵌入），或运行下面的测试脚本。 - MCP服务器 –在游标设置中添加服务器（上述步骤3），并确保其显示 绿色 工具状态
faq_retrieval_tool和bright_data_web_search_tool.
测试1：光标聊天（推荐）
- 打开光标聊天： Ctrl+L （或Mac上的Cmd+L）。
- 问一个F1问题，例如：
- *“谁管理F1赛车？”* - *“光环装置是什么？”* - *“赢得一场F1比赛需要多少分？”*
- AI将使用
faq_retrieval_tool从RAG中获取上下文并回答。对于非F1主题，它可能会使用bright_data_web_search_tool（需要Bright Data凭据.env).
测试2：本地脚本（无游标）
从项目目录运行：
uv run test_rag_mcp.py这创造了 f1_faq_collection 如果需要，然后运行一个示例FAQ查询并打印检索到的上下文，这样您就可以在不打开Cursor的情况下验证RAG管道。