MCP 服务器

完整项目概述

MCP（Message Communication Protocol）服务器是一个基于 FastAPI 和 FAISS 的快速 API 服务，主要用于支持 RAG（检索增强生成）应用程序。本文档详细介绍了如何构建和使用该服务器。

目录结构

mcp_server/
├── __init__.py             # 包初始化文件
├── main.py                # 主服务器文件
├── mcp_api.py             # MCP API 实现文件
├── index_move_files.py    # 文件索引工具
├── local_query.py         # 本地查询工具
├── download_move_files.py # GitHub Move 文件提取器
├── rag_integration.py     # LLM 集成模块
├── pyproject.toml         # 包配置文件
├── requirements.txt       # 依赖管理文件
├── .env.example           # 环境变量示例文件
├── README.md              # 项目说明文档
├── data/                  # 数据存储目录
├── docs/                  # 示例文档目录
│   └── move_files/        # 下载的 Move 文件存放目录
├── models/                # 模型实现目录
│   └── vector_store.py    # FAISS 矢量存储实现
└── utils/
    ├── document_processor.py  # 文档处理工具
    └── github_extractor.py    # GitHub 文件提取工具

安装依赖

在项目根目录中运行以下命令安装所有必要的依赖：

pip install -r requirements.txt

配置环境变量

复制 .env.example 文件并命名为 .env，然后根据需要修改配置：

GITHUB_TOKEN=your_github_token_here
OPENAI_API_KEY=your_openai_api_key_here

核心功能模块

1. MCP API 实现 (mcp_api.py)

提供以下主要接口：

• /mcp/action: 支持 retrieve_documents 和 index_documents 两种操作类型。

请求示例

curl -X POST "http://localhost:8000/mcp/action" -H "Content-Type: application/json" -d '{"action_type": "retrieve_documents", "payload": {"query": "What is RAG?", "top_k": 3}}'

2. 文档索引 (index_move_files.py)

将文档转换为文本并存储到 FAISS 索引中：

python index_move_files.py --docs-dir docs/move_files --index-file data/faiss_index.bin

3. 本地查询 (local_query.py)

直接从索引中检索相关文档：

python local_query.py "What is RAG?"

使用场景

案例：RAG 管道实现

完整的 RAG 工作流程如下：

1. 搜索查询: 用户提交一个问题
2. 检索: 系统从向量数据库中找到相关文档
3. 上下文构建: 将检索到的文档格式化为提示
4. LLM 生成: 提示被发送到 LLM 模型，结合检索到的内容
5. 增强响应: LLM 根据提供的信息生成答案

该流程在 rag_integration.py 中有完整实现。

扩展项目

功能扩展建议

• 支持更多数据源（如 S3、HDFS 等）
• 实现分布式索引
• 添加文档预处理管道
• 集成多种 LLM 提供商
• 添加结果缓存机制
• 支持增量索引更新

如何贡献

1. Fork 本仓库
2. 创建功能分支
3. 提交更改
4. 开启 Pull Request

项目链接

GitHub 仓库地址

许可证

LICENSE

联系方式

• 邮箱: contact@example.com
• GitHub: https://github.com/yourusername