MCP対応チャットで、RAGDBを管理/検索できるMCPです。
- このシステムをインストールすると、MCP対応チャットで文書をRAGDBに保存・ベクトル検索ができるようになります。
- コマンドを入力するだけで、MCP対応チャットで文書を管理できます。
- Markdown形式のドキュメントをベクトル化して保存します。
- 文書を保存: Markdownファイルをemmbeddingでベクトル化してRAGDBに保存
- 質問で検索: 「この技術の使い方は？」のような質問で検索
- Markdownファイル一括登録: スクリプトMarkdownファイルをRAGDBに一括登録できます。
- LibSQL :ローカルファイルで動作し、DBサーバーを必要としません。
- Qdrant :クラウド対応で、大量データ対応です。
- PostgreSQL: 大量データ対応（テスト中ですが動作確認済）
- libsqlを利用する場合は、libsqlのデータベースファイルが自動作成されます。
- PgvectorやQdrantを利用する場合はDBサーバーが必要です。（Docker環境をお勧めします。）
- 埋め込みプロバイダーのAPIキー（OpenAI または Google）
手動インストールの場合、VS CodeのUser Settings (JSON)ファイルに以下のJSONブロックを追加してください。Ctrl + Shift + Pを押してPreferences: Open User Settings (JSON)と入力することで設定ファイルを開けます。
そのほかのDBの例は、jsonフォルダのサンプルをご覧ください。 INDEXについてはデフォルトでdocumentsを設定していて、必要に応じて追加してください。
{
"mcpServers": {
"rag-server": {
"command": "node",
"args": ["your-ragdb-mcp-path/rag-mcp/dist/index.js"],
"env": {
"RAG_DATABASE_TYPE": "libsql",
"RAG_CONNECTION_URL": "file:your-ragdb-mcp-path/rag-mcp/libsql/rag.db",
"EMBEDDING_PROVIDER": "google",
"EMBEDDING_MODEL": "text-embedding-004",
"EMBEDDING_API_KEY": "your-google-api-key",
"EMBEDDING_DIMENSIONS": "768",
"RAG_CHUNK_SIZE": "512",
"RAG_CHUNK_OVERLAP": "50",
"RAG_TOP_K": "5",
"RAG_STRATEGY": "markdown",
"AUTO_CREATE_INDEXES": "documents,technical",
"LOG_LEVEL": "info"
}
}
}
}| 環境変数 | 説明 | 例 |
|---|---|---|
RAG_DATABASE_TYPE |
データベースタイプ | libsql, pgvector, qdrant |
RAG_CONNECTION_URL |
データベース接続URL | ./database.db (LibSQL), postgresql://... (PostgreSQL) |
RAG_QDRANT_URL |
Qdrant接続URL（Qdrant使用時） | http://localhost:6333 |
EMBEDDING_PROVIDER |
埋め込みプロバイダー | openai, google |
EMBEDDING_MODEL |
埋め込みモデル | text-embedding-3-small, text-embedding-gecko@003 |
EMBEDDING_API_KEY |
APIキー | OpenAIまたはGoogleのAPIキー |
RAG_CHUNK_SIZE |
チャンクサイズ（オプション） | 512 |
RAG_CHUNK_OVERLAP |
チャンクオーバーラップ（オプション） | 50 |
RAG_TOP_K |
検索結果数（オプション） | 5 |
| ツール名 | 説明 | パラメータ |
|---|---|---|
create_index |
インデックスを作成 | indexName: インデックス名, dimension?: ベクター次元数 |
delete_index |
インデックスを削除 | indexName: インデックス名 |
list_indexes |
インデックス一覧を表示 | なし |
add_document |
Markdownドキュメントを追加 | content: 文書内容, metadata?: メタデータ, chunkingOptions?: チャンキング設定 |
update_document |
ドキュメントを更新 | documentId: ドキュメントID, content?: 新しい内容, metadata?: メタデータ |
delete_document |
ドキュメントを削除 | documentId: ドキュメントID, indexName?: インデックス名 |
search_documents |
基本的なドキュメント検索 | query: 検索クエリ, indexName?: インデックス名, options?: 検索オプション |
rag_search |
質問応答形式のRAG検索 | question: 質問, indexName?: インデックス名, options?: 検索オプション |
advanced_rag_search |
フィルター機能付き高度検索 | query: 検索クエリ, filters?: メタデータフィルター, searchOptions?: 検索設定 |
semantic_similarity_search |
セマンティック類似検索 | referenceText: 参照テキスト, indexName?: インデックス名, options?: 検索オプション |
list_documents |
ドキュメント一覧を表示 | indexName?: インデックス名, limit?: 取得数, offset?: 開始位置, filter?: フィルター |
get_rag_info |
RAGシステム情報を表示 | なし |
-
インデックス作成：
create_index indexName="my-docs" -
ドキュメント追加：
add_document content="# プロジェクト概要\n\nこのプロジェクトは..." metadata={"title": "プロジェクト概要", "category": "技術文書"} -
質問で検索：
rag_search question="このプロジェクトの目的は何ですか？" -
ドキュメント一覧表示：
list_documents limit=10
自由に使用・改変・商用利用可能です。 MCPを通常使用する場合、商用利用は可能ですが
ただしRAGDBとのやり取りや処理は、mastraのライブラリを利用して実装しています。
mastraはElastic License 2.0のため、例えばMastraのPlayground部分をそのままSaasサービスとして 提供したりすることできないので注意してください。
詳しくは以下もご覧ください。 https://mastra.ai/ja/docs/faq#elastic-license-20-elv2
不具合を見つけた方、改善アイデアをお持ちの方は、GitHubのIssuesまでお知らせください。
🎉 MCP対応チャットでがあなた専用の文書検索アシスタントになります！