找到适合你的 MCP Server，快速完成接入

Rag MCP Assistant

一个基于Flask的检索增强生成助手，支持本地文档的语义搜索和智能问答，并具备会话记忆功能。

Rag MCP From Scratch

一个基于TypeScript的AI代理系统，集成了检索增强生成（RAG）和模型上下文协议（MCP）工具调用功能，结合向量检索与外部工具执行复杂任务。

Rag MCP Prototype

一个基于Node、Transformers.js和内存向量存储构建的检索增强生成（RAG）原型，通过单个MCP路由暴露，供本地LLM代理使用。

Rag MCP Server 1af8de48

一个可插拔、可观测的模块化RAG（检索增强生成）服务框架，通过MCP协议暴露工具接口，支持AI助手直接调用。

Rag MCP Server 6afdfa92

一个基于Rust和Rocket框架构建的轻量级检索增强生成服务器，提供简单的HTTP API搜索功能，并支持扩展RAG能力。

Rag MCP Server 7f9b1fe3

基于检索增强生成（RAG）和模型上下文协议（MCP）的服务器，支持文档嵌入、语义搜索和管理，适用于AI工具和大型语言模型（LLMs）。

Rag MCP Server 87cdfaa9

一个基于Godspeed框架的检索增强生成（RAG）聊天机器人，利用FAISS向量数据库和Google Gemini嵌入模型，智能响应查询并提供可追溯的文档答案。

Rag MCP Server C1d142cc

专为Claude CLI设计的本地RAG服务器，支持检索项目源代码和第三方库，优化Token消耗。

ragplayground

RAGPlayground是一个用于实验检索增强生成（RAG）管道的项目，集成了PostgreSQL + pgvector进行语义搜索，Hugging Face模型用于嵌入和生成，以及一个MCP服务器，使GitHub Copilot Agent Mode能够与知识库交互。

Rag Retrieval MCP

一个通用的检索增强生成（RAG）模型上下文协议（MCP）服务器，支持可插拔的嵌入提供商和向量存储。

Rag Stack MCP Openshift

一个完整的检索增强生成堆栈，包含Open WebUI前端、rag-proxy、rag-api（FastAPI）、Ollama和Qdrant，用于自动注入RAG上下文并进行CSV/PDF文件处理、向量搜索和生成。

RAG System From Scratch Avec MCP

一个基于MCP架构的完整RAG（检索增强生成）系统，支持语义搜索、重排序、RAG代理、统一API和零幻觉响应。

RAG with MCP on the Databricks Platform

基于RAG（检索增强生成）和MCP（模型上下文协议）的问答系统，通过整合外部数据和服务提升AI生成内容的准确性和相关性。

React Agent MCP RAG

一个基于LangChain和Gemini模型的检索增强生成(RAG)系统，采用解耦架构并通过FastMCP框架作为微服务提供。

Real Time Web Search Rag With MCP

一个结合检索增强生成（RAG）和实时网络搜索的AI助手，当本地知识库不足时自动调用MCP服务器进行网络搜索，提供准确且透明的回答。

Sema Istek MCP

一个用于训练目的的模型上下文协议（MCP）服务器实现，支持检索增强生成（RAG）、LangChain集成和Ollama模型支持。

simple local rag

一个多模态检索增强生成（RAG）系统，集成了FAISS向量数据库，提供Streamlit前端、FastAPI后端和MCP服务器集成，支持文档上传、问答和对话记忆功能。

Simple MCP Server Springboot

Spring AI的Model Context Protocol (MCP) 是一个标准化框架，用于大型语言模型(LLM)与外部数据、工具和服务的交互，支持工具调用、检索增强生成(RAG)和插件架构，适用于构建智能代理应用。

Solidity Documentation MCP Tool

基于模型上下文协议 (FastMCP) 的检索增强生成 (RAG) 系统，专门用于服务 Solidity 文档查询，利用本地向量数据库 (Milvus Lite) 和 Hugging Face 嵌入模型对 Markdown 文件进行索引，为 LLM 提供语义模糊搜索和文档全文获取功能。

Source MCP

Source-MCP是一个基于模型上下文协议（MCP）的服务器，用于在本地代码库和文档上进行语义搜索和检索增强生成（RAG），支持OpenAI和FastEmbed双嵌入方式。