MCP RAG Server

用于RAG的带FAISS的MCP服务器

该项目提供了一种机器对话协议（MCP）服务器的概念验证实现，该服务器允许AI代理查询向量数据库并检索相关文档，以用于检索增强生成（RAG）。

特性

• 带MCP端点的FastAPI服务器
• FAISS矢量数据库集成
• 文档分块和嵌入
• GitHub Move文件提取和处理
• LLM集成，实现完整的RAG工作流程
• 简单客户端示例
• 样本文件

安装

使用pipx（推荐）

pipx 是一个帮助您在隔离环境中安装和运行Python应用程序的工具。

1. 首先，如果你没有pipx，请安装它：

# On macOS
brew install pipx
pipx ensurepath

# On Ubuntu/Debian
sudo apt update
sudo apt install python3-pip python3-venv
python3 -m pip install --user pipx
python3 -m pipx ensurepath

# On Windows with pip
pip install pipx
pipx ensurepath

1. 直接从项目目录安装MCP Server包：

# Navigate to the directory containing the mcp_server folder
cd /path/to/mcp-server-project

# Install in editable mode
pipx install -e .

1. （可选）配置环境变量：

- 复制 .env.example 向 .env - 添加您的GitHub令牌以获得更高的速率限制： GITHUB_TOKEN=your_token_here - 为RAG集成添加您的OpenAI或其他LLM API密钥： OPENAI_API_KEY=your_key_here

手动安装

如果你不想使用pipx：

1. 克隆存储库
2. 安装依赖项：

cd mcp_server
pip install -r requirements.txt

使用pipx

使用pipx安装后，您将可以访问以下命令：

从GitHub下载Move文件

# Download Move files with default settings
mcp-download --query "use sui" --output-dir docs/move_files

# Download with more options
mcp-download --query "module sui::coin" --max-results 50 --new-index --verbose

改进GitHub搜索和索引（推荐）

# Search GitHub and index files with default settings
mcp-search-index --keywords "sui move"

# Search multiple keywords and customize options
mcp-search-index --keywords "sui move,move framework" --max-repos 30 --output-results --verbose

# Save search results and use a custom index location
mcp-search-index --keywords "sui coin,sui::transfer" --index-file custom/path/index.bin --output-results

这 mcp-search-index 命令提供了增强的GitHub存储库搜索功能：

• 首先搜索存储库，然后递归提取Move文件
• 支持多个搜索关键字（逗号分隔）
• 智能过滤包含“use sui”引用的Move文件
• 下载后始终重建矢量数据库

索引移动文件

# Index files in the default location
mcp-index

# Index with custom options
mcp-index --docs-dir path/to/files --index-file path/to/index.bin --verbose

查询矢量数据库

# Basic query
mcp-query "What is a module in Sui Move?"

# Advanced query with options
mcp-query "How do I define a struct in Sui Move?" -k 3 -f

将RAG与LLM集成使用

# Basic RAG query (will use simulated LLM if no API key is provided)
mcp-rag "What is a module in Sui Move?"

# Using with a specific LLM API
mcp-rag "How do I define a struct in Sui Move?" --api-key your_api_key --top-k 3

# Output as JSON for further processing
mcp-rag "What are the benefits of sui::coin?" --output-json > rag_response.json

运行服务器

# Start the server with default settings
mcp-server

# Start with custom settings
mcp-server --host 127.0.0.1 --port 8080 --index-file custom/path/index.bin

手动使用（无pipx）

启动服务器

cd mcp_server
python main.py

服务器将于启动http://localhost:8000

从GitHub下载Move文件

要从GitHub下载Move文件并填充矢量数据库，请执行以下操作：

# Download Move files with default query "use sui"
./run.sh --download-move

# Customize the search query
./run.sh --download-move --github-query "module sui::coin" --max-results 50

# Download, index, and start the server
./run.sh --download-move --index

你也可以直接使用Python脚本：

python download_move_files.py --query "use sui" --output-dir docs/move_files

索引文档

在查询之前，您需要为文档建立索引。您可以将文本文件（.txt）、Markdown文件（.md）或Move文件（.Move）放置在 docs 目录。

要为文档编制索引，您可以：

1. 将运行脚本与 --index 标志：

./run.sh --index

1. 直接使用索引脚本：

python index_move_files.py --docs-dir docs/move_files --index-file data/faiss_index.bin

查询文档

您可以使用本地查询脚本：

python local_query.py "What is RAG?"

# With more options
python local_query.py -k 3 -f "How to define a struct in Sui Move?"

将RAG与LLM集成使用

# Direct RAG query with an LLM
python rag_integration.py "What is a module in Sui Move?" --index-file data/faiss_index.bin

# With API key (if you have one)
OPENAI_API_KEY=your_key_here python rag_integration.py "How do coins work in Sui?"

MCP API终点

MCP API端点位于 /mcp/action。您可以使用它执行不同的操作：

• retrieve_documents：检索查询的相关文档
• index_documents：从目录中索引文档

例子：

curl -X POST "http://localhost:8000/mcp/action" -H "Content-Type: application/json" -d '{"action_type": "retrieve_documents", "payload": {"query": "What is RAG?", "top_k": 3}}'

完整的RAG管道

完整的RAG（检索增强生成）流程如下：

1. 搜索查询：用户提交问题
2. 检索：系统在矢量数据库中搜索相关文件
3. 语境形成：检索到的文档将格式化为提示
4. LLM生成：提示将与检索到的上下文一起发送到LLM
5. 增强响应：LLM根据检索到的信息提供答案

此工作流程在 rag_integration.py 模块，既可以通过命令行使用，也可以作为自己应用程序中的库使用。

GitHub移动文件提取

该系统可以根据搜索查询从GitHub提取Move文件。它实现了两种方法：

1. GitHub API （首选）：需要GitHub令牌才能获得更高的速率限制
2. Web抓取回退：当API方法失败或未提供令牌时使用

要配置您的GitHub令牌，请在 .env 文件或作为环境变量：

GITHUB_TOKEN=your_github_token_here

项目结构

mcp_server/
├── __init__.py             # Package initialization
├── main.py                # Main server file
├── mcp_api.py             # MCP API implementation
├── index_move_files.py    # File indexing utility
├── local_query.py         # Local query utility
├── download_move_files.py # GitHub Move file extractor
├── rag_integration.py     # LLM integration for RAG
├── pyproject.toml         # Package configuration
├── requirements.txt       # Dependencies
├── .env.example           # Example environment variables
├── README.md              # This file
├── data/                  # Storage for the FAISS index
├── docs/                  # Sample documents
│   └── move_files/        # Downloaded Move files
├── models/                # Model implementations
│   └── vector_store.py    # FAISS vector store implementation
└── utils/
    ├── document_processor.py  # Document processing utilities
    └── github_extractor.py    # GitHub file extraction utilities

扩展项目

要扩展此概念证明：

1. 添加身份验证和安全功能
2. 实施更复杂的文档处理
3. 添加对更多文档类型的支持
4. 与其他LLM提供商集成
5. 添加监控和日志记录
6. 改进Move语言解析，以实现更结构化的数据提取

许可证

麻省理工学院