🚀 MCP 文档搜索服务器

MCP 文档搜索服务器是一个轻量级的 MCP 服务器，旨在从流行的 AI 库（如 LangChain、LlamaIndex 和 OpenAI）中搜索和检索相关文档内容。它能让语言模型（LLM）动态查询并获取最新的文档内容，在 LLM 和外部文档源之间架起沟通的桥梁。

🚀 快速开始

克隆仓库

git clone https://github.com/your-repository.git

创建并激活虚拟环境

python -m venv env
source env/bin/activate  # 在 Windows 上使用 `env\Scripts\activate`

安装依赖项

pip install serper BeautifulSoup4

配置环境变量

创建 .env 文件并添加：

SERPER_API_KEY=your_api_key_here

✨ 主要特性

网络搜索整合

• 使用 Serper API 进行网络搜索。
• 支持从多个来源获取相关信息。

内容提取

• 利用 BeautifulSoup 解析 HTML 文档。
• 提供干净、结构化的文本输出。

工具接口

• get_docs 工具：参数包括查询字符串和文档过滤条件。
• 工作流程：
  • 搜索相关文档。
  • 解析获取的内容。
  • 返回结果。

📚 详细文档

MCP 协议

MCP 协议是一个开放标准，用于构建安全的双向连接，将数据源与 AI 工具连接起来。以下是协议的核心要素：

图结构

• LLM 在孤立状态：语言模型在没有工具支持的情况下运行。
• LLM 有工具支持：语言模型可以调用工具进行信息检索或处理。
• MCP 环境：语言模型通过 MCP 协议与外部工具和数据源交互。

生态系统角色

• 代理：负责协调 LLM 和外部工具的通信。
• 文档源：提供可搜索的内容，如 API 文档、知识库等。

目的和愿景

MCP 的目标是标准化语言模型与外部工具之间的通信，并减少定制化集成的工作量。其愿景是促进模块化服务生态系统的发展，类似于插件架构。

Claude Desktop 集成

修改配置文件 config.json

{
  "inspectorEnabled": true,
  "InspectableProcesses": [
    {
      "ProcessName": "uv",
      "PortNumber": 0
    }
  ]
}

添加示例代码块

{
  \"tool\": {
    \"name\": \"get_docs\",
    \"description\": \"从指定文档库中搜索相关内容\",
    \"parameters\": {
      \"type\": \"object\",
      \"properties\": {
        \"query\": {
          \"type\": \"string\",
          \"description\": \"搜索查询字符串\"
        },
        \"filter\": {
          \"type\": \"string\",
          \"description\": \"文档过滤条件\"
        }
      }
    }
  }
}

调试

使用 Node.js 和 Inspector 工具进行实时调试：

npx @modelcontextprotocol/inspector uv run main.py

支持的库/文档

• LangChain
• LlamaIndex
• OpenAI

未来改进方向

• 扩展支持更多库（如 HuggingFace、PyTorch、TensorFlow）。
• 实现内容缓存以提升性能。
• 引入评分机制优化搜索结果质量。
• 增强测试和异常处理能力，确保生产环境的稳定性。