Knowledge & Memory TypeScript ★ 265

hannesrudolph/mcp-ragdocs

MCP sunucusu uygulaması, vektör araması aracılığıyla belgeleri alma ve işleme araçları sağlayarak AI asistanlarının yanıtlarını ilgili dokümantasyon bağlamıyla zenginleştirmesine olanak tanır.

Claude Desktop config.json'a ekle

{
  "mcpServers": {
    "hannesrudolph-mcp-ragdocs": {
      "command": "node",
      "args": [
        "~/.mcp/mcp-ragdocs/index.js"
      ]
    }
  }
}

RAG Dokumentasyon MCP Sunucusu

Vektör araması aracılığıyla belgeleri alma ve işleme araçları sağlayan bir MCP sunucu uygulaması. AI asistanlarının yanıtlarını ilgili belgeleme bağlamıyla zenginleştirmesini sağlar.

Özellikler

  • Vektör tabanlı belgeleme araması ve alımı
  • Birden fazla belgeleme kaynağı desteği
  • Semantik arama yetenekleri
  • Otomatik belgeleme işleme
  • LLM'ler için gerçek zamanlı bağlam zenginleştirmesi

Araçlar

search_documentation

Depolanan belgeleri doğal dil sorguları kullanarak arayın. Eşleşen alıntıları bağlamla birlikte döndürür, ilgiye göre sıralanır.

Girdiler:

  • query (string): Belgelerde aranacak metin. Doğal dil sorgusu, belirli terimler veya kod parçacıkları olabilir.
  • limit (number, opsiyonel): Döndürülecek maksimum sonuç sayısı (1-20, varsayılan: 5). Daha yüksek limitler daha kapsamlı sonuçlar sağlar ancak işleme daha uzun sürebilir.

list_sources

Sistemde şu anda depolanan tüm belgeleme kaynaklarını listeleyin. İndexlenmiş tüm belgelemenin kapsamlı bir listesini, kaynak URL'lerini, başlıkları ve son güncelleme zamanlarını döndürür. Arama için hangi belgelemenin mevcut olduğunu anlamak veya belirli kaynakların indekslenip indekslenmediğini doğrulamak için kullanın.

extract_urls

Belirli bir web sayfasındaki tüm URL'leri çıkarın ve analiz edin. Bu araç, belirtilen web sayfasını tarar, tüm hiperlinkleri tanımlar ve isteğe bağlı olarak işleme kuyruğuna ekler.

Girdiler:

  • url (string): Analiz edilecek web sayfasının tam URL'si (protokol içermelidir, örneğin https://). Sayfa herkese açık olarak erişilebilir olmalıdır.
  • add_to_queue (boolean, opsiyonel): Doğruysa, çıkarılan URL'leri otomatik olarak daha sonra indeksleme için işleme kuyruğuna ekleyin. Büyük siteler üzerinde aşırı sıraya alma yaşamaktan kaçınmak için dikkatli kullanın.

remove_documentation

Belirli belgeleme kaynaklarını sistemden URL'lerine göre kaldırın. Kaldırma kalıcıdır ve gelecekteki arama sonuçlarını etkileyecektir.

Girdiler:

  • urls (string[]): Veritabanından kaldırılacak URL'lerin dizisi. Her URL, belgeleme eklenirken kullanılan URL'yle tam olarak eşleşmelidir.

list_queue

Belgeleme işleme kuyruğunda şu anda bekleyen tüm URL'leri listeleyin. run_queue çağrıldığında işlenecek bekleyen belgeleme kaynaklarını gösterir. Kuyruk durumunu izlemek, URL'lerin doğru şekilde eklendiğini doğrulamak veya işleme birikintisini kontrol etmek için kullanın.

run_queue

Şu anda belgeleme kuyruğundaki tüm URL'leri işleyin ve indeksleyin. Her URL sırayla işlenir, uygun hata işleme ve yeniden deneme mantığı ile. İşleme sırasında ilerleme güncellemeleri sağlanır. Uzun süren işlemler kuyruk boşana veya kurtarılamaz bir hata meydana gelene kadar işlemeye devam edecektir.

clear_queue

Belgeleme işleme kuyruğundan tüm bekleyen URL'leri kaldırın. Sıfırdan başlamak istediğinizde, istenmeyen URL'leri kaldırmak veya bekleyen işlemeyi iptal etmek için kullanın. Bu işlem anlıktır ve kalıcıdır - daha sonra işlemek istiyorsanız URL'ler yeniden eklenmesi gerekecektir.

Kullanım

RAG Belgeleme aracı şunlar için tasarlanmıştır:

  • AI yanıtlarını ilgili belgeleme ile zenginleştirme
  • Belgelemeleri farkında olan AI asistanları oluşturma
  • Geliştiriciler için bağlam farkında araçlar oluşturma
  • Semantik belgeleme araması uygulama
  • Mevcut bilgi tabanlarını zenginleştirme

Yapılandırma

Claude Desktop ile Kullanım

Bunu claude_desktop_config.json dosyanıza ekleyin:

{
  "mcpServers": {
    "rag-docs": {
      "command": "npx",
      "args": [
        "-y",
        "@hannesrudolph/mcp-ragdocs"
      ],
      "env": {
        "OPENAI_API_KEY": "",
        "QDRANT_URL": "",
        "QDRANT_API_KEY": ""
      }
    }
  }
}

Aşağıdaki ortam değişkenleri için değer sağlamanız gerekecektir:

  • OPENAI_API_KEY: Gömülü oluşturma için OpenAI API anahtarınız
  • QDRANT_URL: Qdrant vektör veritabanı örneğinizin URL'si
  • QDRANT_API_KEY: Qdrant ile kimlik doğrulaması için API anahtarı

Lisans

Bu MCP sunucusu MIT Lisansı altında lisanslanmıştır. Bu, MIT Lisansının şart ve koşullarına tabi olarak yazılımı kullanmakta, değiştirmekte ve dağıtmakta özgürsünüz. Daha fazla ayrıntı için lütfen proje deposundaki LICENSE dosyasına bakın.

Teşekkürler

Bu proje qpd-v/mcp-ragdocs deposunun bir çatalıdır ve orijinal olarak qpd-v tarafından geliştirilmiştir. Orijinal proje bu uygulamanın temelini sağlamıştır.

Benzer MCP sunucuları

upstash/context7 Knowledge & Memory

LLM'ler ve yapay zeka kod editörleri için güncel kod dokümantasyonu.

upstash/context7 ★ 57,846
chopratejas/headroom Knowledge & Memory

AI ajanlar için bağlam sıkıştırma katmanı. Tool çıktılarını, logları, RAG chunk'larını, dosyaları ve konuşma geçmişini LLM'ye ulaşmadan önce sıkıştırır ve MCP tool'ları aracılığıyla geri alınabilir şekilde depolar.

chopratejas/headroom ★ 45,699
topoteretes/cognee Knowledge & Memory

AI uygulamaları ve Ajanlar için bellek yöneticisi, çeşitli graph ve vector store'ları destekler ve 30+ veri kaynağından veri alımına olanak tanır.

topoteretes/cognee ★ 18,856
bitbonsai/mcpvault Knowledge & Memory

Obsidian vault'larınız için evrensel bir AI köprüsü sunan MCP tabanlı araç. Notlarınıza güvenli okuma/yazma erişimi sağlar ve arama, toplu işlemler, etiket yönetimi ile frontmatter işleme gibi 11 kapsamlı işlem sunur. Claude, ChatGPT ve tüm MCP uyumlu AI asistanlarıyla çalışır.

bitbonsai/mcpvault ★ 1,446
apecloud/ApeRAG Knowledge & Memory

Grafik RAG, vektör arama ve tam metin aramasını birleştiren, üretime hazır RAG platformu. Kendi Knowledge Graph'ınızı oluşturmak ve Context Engineering için en iyi seçim.

apecloud/ApeRAG ★ 1,193
mem0ai/mem0-mcp Knowledge & Memory

Mem0 için bir Model Context Protocol sunucusu; IDE'ler (Cursor, Windsurf gibi) içinde kodlama tercihlerini ve desenlerini yönetmeye, kod implementasyonlarını, best practices'leri ve teknik dokümantasyonu semantik olarak depolamaya ve erişmeye yarayan araçlar sunuyor.

mem0ai/mem0-mcp ★ 656
Daha fazla: Knowledge & Memory →