使用模型控制协议 (MCP) 的通用检索增强生成 (RAG) 服务器，旨在使用 RISC Zero 的 Bonsai 文档进行测试。
该项目实现了一个 RAG 服务器，它：
使用 MCP（模型控制协议）进行标准化通信
实现用于文档查询的 RAG（检索增强生成）工作流程
可以使用 RISC Zero 的 Bonsai 文档进行测试
通过 Ollama 支持本地 LLM 集成
文档提取和索引
语义搜索功能
本地法学硕士整合
MCP 协议合规性
RISC Zero Bonsai 文档支持
Python 3.12+
Ollama（用于本地法学硕士支持）
诗歌（用于依赖管理）
安装 Python 依赖项：
安装并启动 Ollama：
拉取所需模型：
启动 MCP 服务器：
服务器将：
初始化 LLM 和嵌入模型
从数据目录提取文档
使用 RAG 工作流处理查询
使用 RISC Zero Bonsai 文档进行测试：
将 RISC Zero Bonsai 文档放在data/目录中
向服务器查询 Bonsai 的功能和实现
mcp_server.py ：主服务器实现
rag.py ：RAG 工作流程实现
data/ ：文档提取目录
storage/ ：向量存储和文档存储
start_ollama.sh ：启动 Ollama 服务的脚本
该服务器已配置为与 RISC Zero 的 Bonsai 文档配合使用。您可以：
将 Bonsai 文档添加到data/目录
询问 Bonsai 的功能、实现细节和使用方法
使用 Bonsai 特定问题测试 RAG 工作流程
This server cannot be installed
hybrid server
The server is able to function both locally and remotely, depending on the configuration or use case.
实现与任何自定义知识库集成并可直接从 Cursor IDE 触发的 RAG 工作流。
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/proofofsid/rag-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server