Model Context Protocol Server

RAG와 MCP를 활용한 검색 엔진

LangChain, Model Context Protocol(MCP), Retrieval-Augmented Generation(RAG), Ollama를 결합하여 웹을 검색하고, 정보를 수집하고, 관련 답변을 제공할 수 있는 에이전트 AI 시스템을 만든 강력한 검색 엔진입니다.

특징

• Exa API를 사용한 웹 검색 기능
• FireCrawl을 사용한 웹 콘텐츠 검색
• 더욱 관련성 있는 정보 추출을 위한 RAG(Retrieval-Augmented Generation)
• 표준화된 도구 호출을 위한 MCP(Model Context Protocol) 서버
• Ollama를 통한 로컬 LLM과 OpenAI를 통한 클라우드 기반 LLM 모두 지원
• 직접 검색, 에이전트 기반 검색 또는 서버 모드를 지원하는 유연한 아키텍처
• 포괄적인 오류 처리 및 우아한 대체
• 유형 힌트가 포함된 Python 3.13+
• 효율적인 웹 작업을 위한 비동기 처리

건축학

이 프로젝트는 몇 가지 핵심 구성 요소를 통합합니다.

1. 검색 모듈 : Exa API를 사용하여 웹을 검색하고 FireCrawl을 사용하여 콘텐츠를 검색합니다.
2. RAG 모듈 : 문서를 내장하고, 청크로 나누어 FAISS 벡터 저장소에 저장합니다.
3. MCP 서버 : 도구 호출을 위한 표준화된 프로토콜을 제공합니다.
4. 에이전트 : 검색 및 RAG 기능을 사용하는 LangChain 기반 에이전트

프로젝트 구조

지엑스피1

시작하기

필수 조건

• 파이썬 3.13+
• 시 (선택 사항, 개발을 위해)
• Exa 및 FireCrawl용 API 키
• (선택 사항) Ollama가 로컬에 설치됨
• (선택 사항) OpenAI API 키

설치

1. 저장소를 복제합니다

2. 종속성 설치

3. .env 파일을 만듭니다(참조로 docs/env_template.md 사용)

용법

이 애플리케이션에는 세 가지 주요 작동 모드가 있습니다.

1. 직접 검색 모드(기본값)

2. 에이전트 모드

3. MCP 서버 모드

사용자 정의 호스트와 포트를 지정할 수도 있습니다.

Ollama 사용(선택 사항)

로컬 임베딩 및 LLM 기능에 Ollama를 사용하려면:

1. Ollama 설치: https://ollama.ai/
2. 모델 가져오기:

3. .env 파일에서 적절한 환경 변수를 설정합니다.

개발

이 프로젝트는 다음과 같은 모범 사례를 따릅니다.

• 코드 서식 : 일관된 코드 스타일을 위해 Black 및 isort 사용
• 유형 검사 : 정적 유형 검사를 위한 mypy
• Linting : 코드 품질을 위한 flake8
• 테스트 : 단위 및 통합 테스트를 위한 pytest
• 환경 관리 : 환경 변수를 관리하기 위한 python-dotenv
• 로깅 : 콘솔과 파일 모두에 대한 구조화된 로깅

특허

이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여되었습니다. 자세한 내용은 라이선스 파일을 참조하세요.

감사의 말

• 에이전트 프레임워크를 위한 LangChain
• 표준화된 도구 호출을 위한 모델 컨텍스트 프로토콜
• 로컬 LLM 역량을 위한 Ollama
• 웹 검색 기능을 위한 Exa
• 웹 콘텐츠 검색을 위한 FireCrawl