RAGFlow知识库对话服务器

RAGFlow API知识库对话服务器，可用于搜索知识库和进行聊天。

下载MCP开发文档和RAGFlow API参考：

wget https://modelcontextprotocol.io/llms-full.txt -O docs/mcp-llms-full.txt
wget https://github.com/infiniflow/ragflow/raw/refs/heads/main/docs/references/python_api_reference.md -O docs/ragflow-python_api_reference.md

组件

工具

1. list_datasets

   • 列出所有数据集
   • 返回数据集的 ID 和名称

2. create_chat

   • 创建一个新的聊天助手
   • 输入：
     • name: 聊天助手的名称
     • dataset_id: 数据集的 ID
   • 返回创建的聊天助手的 ID、名称和会话 ID

3. chat

   • 与聊天助手进行对话
   • 输入：
     • session_id: 聊天助手的会话 ID
     • question: 提问内容
   • 返回聊天助手的回答

配置

[TODO: 添加具体实现的配置细节]

快速入门

安装

GitHub Copilot

.vscode/mcp.json

{
    "servers": {
        "ragflow-mcp-server": {
            "command": "uvx",
            "args": [
                "ragflow-mcp-server",
                "--api-key=ragflow-dhMzViYzJlMTM1NjExZjBiNWU5MDI0Mm",
                "--base-url=http://172.16.33.66:8060"
            ]
        }
    }
}

Continue

config.yaml

mcpServers:
  - name: RAGFlow Server
    command: uvx
    args:
      - ragflow-mcp-server
      - --api-key
      - ragflow-dhMzViYzJlMTM1NjExZjBiNWU5MDI0Mm
      - --base-url
      - http://172.16.33.66:8060

Claude Desktop

在 MacOS 上：~/Library/Application\ Support/Claude/claude_desktop_config.json
在 Windows 上：%APPDATA%/Claude/claude_desktop_config.json%

开发

构建和发布

1. 同步依赖：

uv sync

2. 安装依赖：

uv install

3. 运行测试：

uv test

4. 打包：

uv package

调试

使用MCP调试工具进行调试：

npm install -g @mcp/debugger
mcp-debugger

文档

• RAGFlow Python API 参考
• 模型上下文协议

通过这些步骤，您可以轻松集成和使用 RAGFlow 知识库对话服务器到您的项目中。