4693ebcf83
- Add package.json for project configuration and dependencies. - Create src/index.ts as the entry point for the MCP server. - Implement vectorStore for managing embeddings with local and cloud providers. - Add embeddingProviders for local and cloud-based embedding services (OpenAI, Aliyun, SiliconFlow). - Define types for prompts and embeddings in types.ts. - Implement searchPersona tool for semantic search of expert personas. - Create test.ts for validating vector storage and search functionality. - Configure TypeScript with tsconfig.json for strict type checking and module resolution.
4.0 KiB
4.0 KiB
MCP RAG Prompts Server
基于 MCP 协议的 RAG 提示词管理服务器，支持本地模型和云服务 API 进行语义搜索。
功能特性
- 🔍 语义搜索：Hybrid Search（向量语义 + 关键词加权）
- 🔄 多提供者支持：本地模型 / OpenAI / 阿里云百炼 / SiliconFlow
- 🚀 MCP 协议：标准 MCP Server 实现，可与任何 MCP 客户端集成
- 💾 内存缓存：启动时一次性向量化，搜索速度快
项目结构
mcp-rag-prompts/
├── package.json
├── tsconfig.json
├── .env.example # 环境变量配置模板
├── data/
│ └── prompts.json # Prompt 数据文件
└── src/
├── index.ts # MCP Server 入口
├── test.ts # 测试脚本
└── lib/
├── types.ts # 类型定义
├── embeddingProviders.ts # Embedding 提供者实现
└── vectorStore.ts # 向量存储和搜索
安装
npm install
Embedding 提供者配置
通过环境变量选择 Embedding 提供者：
方式 1：本地模型（默认）
无需配置，开箱即用。首次运行会自动下载模型（约 90MB）。
# 默认配置，无需设置
npm start
# 或显式指定
EMBEDDING_PROVIDER=local npm start
方式 2：OpenAI API
# Windows PowerShell
$env:EMBEDDING_PROVIDER="openai"
$env:OPENAI_API_KEY="sk-xxxxxxxxxxxxxxxx"
npm start
# Linux/macOS
EMBEDDING_PROVIDER=openai \
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx \
npm start
可选配置：
OPENAI_BASE_URL- 自定义 API 地址（支持代理）OPENAI_EMBEDDING_MODEL- 模型名称（默认text-embedding-3-small）
方式 3：阿里云百炼 DashScope
$env:EMBEDDING_PROVIDER="aliyun"
$env:DASHSCOPE_API_KEY="sk-xxxxxxxxxxxxxxxx"
npm start
可选配置：
ALIYUN_EMBEDDING_MODEL- 模型名称（默认text-embedding-v3）
方式 4：SiliconFlow 硅基流动
$env:EMBEDDING_PROVIDER="siliconflow"
$env:SILICONFLOW_API_KEY="sk-xxxxxxxxxxxxxxxx"
npm start
可选配置：
SILICONFLOW_EMBEDDING_MODEL- 模型名称（默认BAAI/bge-m3）
运行
# 启动 MCP Server
npm start
# 开发模式（热重载）
npm run dev
# 运行测试
npx tsx src/test.ts
本地模型网络问题
首次运行本地模型时需要从 HuggingFace 下载。如果遇到网络问题：
# 设置代理
$env:HTTPS_PROXY="http://127.0.0.1:7890"
# 或使用 HuggingFace 镜像（中国大陆）
$env:HF_ENDPOINT="https://hf-mirror.com"
MCP Tool
search_expert_persona
根据用户问题语义搜索最匹配的专家角色设定。
参数：
query(string): 用户的原始问题或需求描述
返回示例：
{
"success": true,
"matchedExpert": {
"id": "python-expert",
"tags": ["python", "programming"],
"description": "Python 编程专家...",
"similarity": 0.75
},
"systemPrompt": "你是一位资深的 Python 编程专家..."
}
配置 MCP 客户端
Claude Desktop
在 claude_desktop_config.json 中添加：
{
"mcpServers": {
"rag-prompts": {
"command": "npx",
"args": ["tsx", "C:/path/to/mcp-rag-prompts/src/index.ts"],
"env": {
"EMBEDDING_PROVIDER": "siliconflow",
"SILICONFLOW_API_KEY": "sk-xxxxxxxx"
}
}
}
}
自定义 Prompt 数据
编辑 data/prompts.json 添加你自己的专家角色：
[
{
"id": "unique-id",
"tags": ["tag1", "tag2"],
"description": "用于语义搜索的描述文本（会被向量化）",
"content": "实际的 System Prompt 内容"
}
]
提供者对比
| 提供者 | 优点 | 缺点 |
|---|---|---|
| local | 免费、离线可用、隐私安全 | 首次加载慢、需下载模型 |
| openai | 效果好、稳定 | 需要付费、需要网络 |
| aliyun | 中文效果好、国内访问快 | 需要付费 |
| siliconflow | 性价比高、支持多种开源模型 | 需要付费 |
License
MIT