mcp本地抹布
本地运行的类似RAG的“原始”网络搜索模型上下文协议（MCP）服务器。 ✨ 无API✨
一个完全在本地运行的基于RAG的网络搜索和深度研究模型上下文协议（MCP）服务器。特点是跨9+搜索后端的多引擎研究，具有语义相似性排名，不需要API键。
-
特性
-
多引擎深度研究
-
安装
-
直接通过运行
uvx -
使用Docker（推荐）
-
代理技能
-
安全审计
-
MCP客户端
-
Claude Desktop上的示例
-
结果
-
贡献
-
许可证
MERMAID``` 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20%%{init: {‘theme’: ‘base’}}%% flowchart TD A[User] —>|1.Submits LLM Query| B[Language Model] B —>|2.Sends Query| C[mcp-local-rag Tool] subgraph mcp-local-rag Processing C —>|Search DuckDuckGo| D[Fetch 10 search results] D —>|Fetch Embeddings| E[Embeddings from Google’s MediaPipe Text Embedder] E —>|Compute Similarity| F[Rank Entries Against Query] F —>|Select top k results| G[Context Extraction from URL] end G —>|Returns Markdown from HTML content| B B —>|3.Generated response with context| H[Final LLM Output] H —>|5.Present result to user| A classDef default stroke:#333,stroke-width:2px; classDef process stroke:#333,stroke-width:2px; classDef input stroke:#333,stroke-width:2px; classDef output stroke:#333,stroke-width:2px; class A input; class B,C process; class G output;
# 特性
## 多引擎深度研究
该服务器支持全面的多引擎研究功能，超越了简单的单查询搜索：
- **9+搜索后端**：DuckDuckGo、谷歌、必应、勇敢、维基百科、雅虎、Yandex、Mojeek、Grokipedia
- **多主题研究**：同时搜索多个相关查询
- **语义排名**：RAG类相似性评分对最相关的结果进行排名
- **隐私选项**：选择注重隐私的引擎（DuckDuckGo、Brave）或综合引擎（谷歌）
- **不需要API密钥**：所有处理都在本地使用嵌入式模型运行
### 深度研究工具
1. **`deep_research`** -全面的多引擎研究
- 同时跨多个引擎搜索
- 非常适合需要不同视角的复杂主题
- 可定制的后端和结果限制
2. **`deep_research_google`** -谷歌聚焦深度潜水
- 利用谷歌的综合指数
- 最适合技术/科学查询
3. **`deep_research_ddgs`** -隐私第一深度研究
- 使用DuckDuckGo进行私人、广泛的研究
- 非常适合无跟踪的一般主题
4. **`rag_search_ddgs`** & **`rag_search_google`** -快速单次搜索
- 当您需要快速答案时，进行快速、集中的搜索
# 安装
找到您的MCP配置路径 [这里](https://modelcontextprotocol.io/quickstart/user) 或检查您的MCP客户端设置。
### 直接通过运行 `uvx`
这是最简单快捷的方法。您需要安装 [紫外线](https://docs.astral.sh/uv/) 为了使其发挥作用。
将此添加到MCP服务器配置中：
JSON```
1
2
3
4
5
6
7
8
9
10
11
12
13{
"mcpServers": {
"mcp-local-rag":{
"command": "uvx",
"args": [
"--python=3.10",
"--from",
"git+https://github.com/nkapila6/mcp-local-rag",
"mcp-local-rag"
]
}
}
}使用Docker（推荐）
确保你有 码头工人 安装。
将此添加到MCP服务器配置中：
JSON``` 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16{ “mcpServers”: { “mcp-local-rag”: { “command”: “docker”, “args”: [ “run”, “—rm”, “-i”, “—init”, “-e”, “DOCKER_CONTAINER=true”, “ghcr.io/nkapila6/mcp-local-rag:v1.0.2” ] } } }
# 代理技能
此存储库包括 **代理技能** 教Claude如何有效地使用mcp本地rag工具进行智能网络搜索和深入研究。技能是Claude动态加载的指令文件夹，用于提高特定任务的性能。
### 可用技能
**`local-rag-search`** -向Claude教授以下方面的最佳实践：
- **智能工具选择**：在快速搜索或全面深入研究之间做出选择
- **多引擎研究**：使用多个搜索后端以获得不同的视角
- **有效的查询公式**：编写能产生更好结果的自然语言查询
- **参数调优**：调整 `num_results`, `top_k`，以及针对不同用例的后端选择
- **隐私意识搜索**：默认使用以隐私为中心的引擎，同时允许在需要时进行全面搜索
### 深度研究用例
该技能能够使用多个搜索词和引擎进行全面的主题研究。它特别适用于利用谷歌文档覆盖范围的技术深度挖掘、比较不同搜索引擎信息的多视角分析、使用DuckDuckGo或Brave进行以隐私为重点的研究，以及通过交叉引用维基百科和其他权威来源进行事实验证。
### 使用技能
**在克劳德桌面中：**
1. 首选 **设置** → **技能**
2. 点击 **添加技能** → **从文件夹添加**
3. 选择 `skills/local-rag-search/`
**在对话中：**
加载后，只需让Claude搜索信息，它就会自动应用该技能的最佳实践。尝试以下查询：
- “对最近的量子计算发展进行深入研究”
- “寻找可持续能源解决方案的多种来源”
- “查找有关Kubernetes优化的全面技术文档”
了解有关代理技能的更多信息，请访问 [人类技能库](https://github.com/anthropics/skills).
请参阅 技能/README.md 了解详细的使用说明和技能发展指南。
# 安全审计
MseeP对每个MCP服务器进行安全审计，您可以通过单击查看此MCP服务器的安全审计 [这里](https://mseep.ai/app/nkapila6-mcp-local-rag).
[](https://mseep.ai/app/nkapila6-mcp-local-rag)
# MCP客户端
MCP服务器应与任何支持工具调用的MCP客户端配合使用。已在以下客户端上进行了测试。
- 克劳德桌面
- 光标
- 鹅
- 其他人？你试试！
# Claude Desktop上的示例
当LLM（如Claude）被问及需要最新网络信息的问题时，它将触发 `mcp-local-rag`.
当被要求获取/查找/搜索网络时，模型会提示您使用MCP服务器进行聊天。
在这个例子中，我们询问了谷歌昨天发布的最新Gemma型号。这是克劳德不知道的新信息。
## 结果
`mcp-local-rag` 执行实时网络搜索，提取上下文，并将其发送回模型——为其提供新的知识：
## 给我买杯咖啡
如果我开发的软件对你有帮助。请给我买杯咖啡，我真的很感激！ 😄
[](https://ko-fi.com/X8X51MK4A1)
# 贡献
有想法或想改进这个项目吗？欢迎问题和拉取请求！
# 许可证
该项目根据MIT许可证获得许可。