🚀 鸭子DB RAG MCP 示例

本示例项目可将 Markdown 文档进行嵌入向量化，并通过 RAG 方法使用 MCP 对其进行解释。向量化采用 Plamo-Embedding-1B 模型，为相关应用提供了高效且实用的解决方案。

✨ 主要特性

• 文本向量化：能够从 Markdown 文件中提取文本，并将其转换为向量表示。
• 向量搜索：借助 DuckDB 进行快速的向量搜索，提升查询效率。
• 数据持久化：通过 Parquet 文件实现向量数据的持久化存储，方便数据管理。
• MCP 搜索：支持使用 MCP 进行向量搜索，满足多样化的搜索需求。

📦 安装指南

本项目未提及具体安装步骤，可参考使用方法中的命令进行操作。

💻 使用示例

向量数据生成

首先，将需要作为搜索目标的 Markdown 文件放置在特定目录中，然后运行以下命令将其转换为 Parquet 文件：

uv run main.py --directory ~/path/to/markdown/files --parquet vectors.parquet

MCP 配置

构建

使用以下命令生成单个可执行文件 dist/server：

uv run pyinstaller --clean --strip --noconfirm --onefile server.py

MCP 客户端配置

根据所需使用的客户端进行相应设置。例如，对于 Claude Desktop，可按以下方式配置：

• VECTOR_PARQUET 需指定之前生成的文件路径。

uv run mcp install server.py -v VECTOR_PARQUET=/path/to/vectors.parquet

随后会进行如下设置：

{
  "mcpServers": {
    "DuckDB-RAG-MCP-Sample": {
      "command": "/path/to/dist/server",
      "env": {
        "VECTOR_PARQUET": "/path/to/vectors.parquet"
      }
    }
  }
}

开发服务器启动

uv run mcp dev server.py

📄 许可证

DuckDB RAG MCP 示例按 Apache License, Version 2.0 提供。