自定义 MCP 服务器与 RAG 和多搜索功能

一个自定义的 MCP（模型调用协议）服务器，提供基于 LlamaIndex 的检索增强生成（RAG）功能，并支持通过 Google 的 Gemini 2.0 API 和 Linkup 进行多网络搜索。

功能

• 使用本地文档的 RAG 工作流
• 多种网络搜索功能：
  • 使用 Google 的 Gemini 2.0 进行高级 AI 驱动搜索（优先使用）
  • 使用 Linkup 进行传统网络搜索
• 使用 FastMCP 构建

安装配置

先决条件

• Python 3.8 或更高版本
• 本地安装 Ollama 并配备 DeepSeek 模型（或修改以使用您偏好的模型）
• Google Gemini API 密钥（在 https://ai.google.dev/ 获取）
• Linkup API 密钥（可选）

安装步骤

1. 克隆此仓库：

   git clone <repository-url>
   cd own-mcp-server
   

2. 安装所需依赖项：

   pip install -r requirements.txt
   

3. 设置环境变量（创建一个 .env 文件）：

   # 必需的 API 密钥
   GEMINI_API_KEY=your_gemini_api_key_here
   LINKUP_API_KEY=your_linkup_api_key_here
   
   # 可选配置
   OLLAMA_HOST=http://localhost:11434
   

4. 将文档添加到 data 目录（如果不存在，将自动创建）

启动服务器

运行以下命令启动服务器：

python server.py

使用说明

该服务器提供以下工具：

1. web_search：使用最佳可用搜索方法（优先使用 Gemini 2.0 AI，必要时回退到 Linkup）
2. gemini_search：使用 Google 的 Gemini 2.0 AI 进行搜索
3. linkup_search：使用 Linkup 搜索
4. rag：查询您的本地文档

所需库

此项目使用以下库：

• llama-index - 提供核心 RAG 功能
• ollama - 本地 LLM 集成
• Google 生成式 AI SDK - Gemini 2.0 集成
• Linkup SDK - 网络搜索功能
• FastMCP - MCP 服务器实现
• python-dotenv - 环境变量管理
• nest-asyncio - 异步支持

故障排除

遇到问题时：

1. 确保 Ollama 已正确安装并运行
2. 拉取 DeepSeek 模型：ollama pull deepseek-r1:1.5b
3. 如果遇到 Python 3.13 兼容性问题，请考虑降级到 Python 3.11 或 3.10
4. 验证您的 API 密钥是否正确且具有必要的权限
5. 对于 Gemini 2.0 相关问题，确保您的 API 密钥可以访问最新模型