shinpr/mcp-local-rag

解决的问题

mcp-local-rag 是一个本地检索增强生成（RAG）系统，允许用户在不将数据发送到外部嵌入API的情况下搜索私有文档。它通过将所有文档解析、嵌入和存储都保留在本地机器上，解决了机密性和成本效率的需求。同时，通过采用混合搜索方法，解决了语义搜索遗漏精确技术术语（如API名称或错误代码）的问题。

工作原理

该系统分为两个主要阶段：

1. 摄入：解析支持的文件（PDF、DOCX、Markdown、TXT）或HTML数据，使用语义分块（保留Markdown代码块）将其分割为块，并使用Transformers.js在本地生成嵌入，存储在LanceDB向量数据库中。
2. 搜索：当发出查询时，系统会嵌入查询并执行向量搜索以查找语义相关的块。然后应用关键词提升，确保精确的技术术语排名更高。

此外，还提供PDF的可选“视觉模式”，使用本地视觉模型为图表生成可搜索的标题。

适用人群

• 需要搜索技术文档或私人文档的开发者和研究人员。
• 希望通过Model Context Protocol（MCP）集成本地文档搜索的AI编码工具用户（如Claude Code、Cursor或Codex）。
• 无法将敏感文档发送到托管嵌入服务的注重隐私的用户。

主要亮点

• 完全本地化：无需API密钥、Docker或外部数据库；初始模型下载后即可离线运行。
• 混合搜索：结合语义检索与关键词匹配，提升技术准确性。
• MCP集成：作为MCP服务器运行，允许AI代理直接同步、摄入和查询文档。
• 语义分块：在主题边界处分割文档，而非固定字符数。
• 视觉PDF索引：可选的本地VLM支持，为PDF中的图表创建可搜索的标题。