Minimalist vector SaaS concept for semantic memory server integration

وكيل ذكاء اصطناعي لخادم الذاكرة MCP

ادمج FlowHunt مع خادم الذاكرة mcp-rag-local لتمكين تخزين واسترجاع دلالي متقدم للبيانات النصية. افتح إمكانيات إدارة المعرفة القوية من خلال الاستفادة من Ollama لتمثيل النصوص وChromaDB للبحث عالي الأداء عن تشابه المتجهات. احفظ المستندات وملفات PDF ومدخلات المحادثة تلقائيًا لاسترجاع فوري وملائم يتجاوز مطابقة الكلمات المفتاحية البسيطة.

احجز عرضاً توضيحياً جرّب FlowHunt مجاناً

Minimalist vector concept for semantic text storage

حفظ دلالي بلا مجهود

خزن واسترجع المعلومات بناءً على المعنى الدلالي وليس فقط الكلمات المفتاحية. احفظ فورياً نصاً واحداً أو عدة نصوص أو مستندات PDF كاملة—لجعل المعرفة المؤسسية متاحة وقابلة للاستخدام فعلياً.

تخزين الذاكرة الدلالية.: خزن واسترجع المقاطع النصية بناءً على المعنى باستخدام تمثيلات متقدمة.
حفظ ملفات PDF وحفظ جماعي.: احفظ بسهولة محتوى ملفات PDF وأجسام النصوص الكبيرة على شكل أجزاء.
رفع المعرفة من خلال المحادثة.: قسّم النصوص الكبيرة وتخزينها تفاعلياً عبر الحوار مع الذكاء الاصطناعي.
بحث فوري عن التشابه.: استرجع أكثر مقاطع المعرفة ملاءمة لأي استفسار في الوقت الفعلي.

Vector database admin GUI concept vector

تكامل قوي مع قاعدة بيانات المتجهات

أدر وتفقد وابحث في المعرفة المخزنة بسلاسة باستخدام قاعدة بيانات المتجهات ChromaDB وواجهة الإدارة الرسومية المدمجة. احصل على تحكم دقيق لإدارة ذاكرة على مستوى المؤسسات.

واجهة إدارة ChromaDB.: تصفح، وابحث، وأدر قاعدة بيانات ذاكرة المتجهات الخاصة بك من خلال واجهة ويب سهلة الاستخدام.
إعداد وتكوين سهل.: نشر مبسط باستخدام Docker Compose وتكوين بسيط للتكامل السريع.

Conversational knowledge retrieval vector concept

استرجاع المعرفة بلغة طبيعية

اطرح الأسئلة باللغة العربية البسيطة ويعيد الوكيل الذكي أكثر المعلومات المخزنة ملاءمة مع السياق ودرجة الصلة. اجعل ذاكرة المؤسسة تفاعلية وسهلة الاستخدام.

استرجاع تفاعلي.: استعلم عن خادم الذاكرة واحصل على إجابات غنية بالسياق، وليس مجرد بيانات خام.
نتائج حسب الصلة الدلالية.: استلم نتائج مرتبة حسب الصلة الدلالية، لتضمن دائماً أفضل تطابق.

تكامل MCP

أدوات تكامل خادم الذاكرة المتوفرة (mcp-rag-local) مع MCP

الأدوات التالية متوفرة كجزء من تكامل خادم الذاكرة (mcp-rag-local) مع MCP:

memorize_text: خزن مقطع نصي واحد لاسترجاع دلالي مستقبلاً بناءً على المعنى.
memorize_multiple_texts: خزن عدة مقاطع نصية دفعة واحدة، مما يتيح حفظاً جماعياً للذاكرة لاسترجاع فعال.
memorize_pdf_file: يستخرج النص من ملف PDF، ويقسّمه، ويخزن جميع الأجزاء لاسترجاع دلالي لاحق.
retrieve_similar_texts: ابحث وأعد أكثر النصوص المخزنة ملاءمة لاستعلام معين باستخدام البحث الدلالي عن التشابه.

ذاكرة دلالية بلا مجهود مع MCP RAG Local

خزن واسترجع المعرفة حسب المعنى وليس فقط المفردات. جرّب تقسيم ملفات PDF بسلاسة، وبحث قوي، وإدارة ذاكرة بديهية مع خادم الذاكرة مفتوح المصدر لدينا—بدعم من Ollama وChromaDB.

Get started اعرف المزيد

ما هو mcp-local-rag

mcp-local-rag هو خادم مفتوح المصدر لبروتوكول سياق النماذج (MCP) تم تطويره بواسطة Nikhil Kapila ومتوفر على LobeHub. تم تصميمه لتنفيذ عمليات البحث المحلي المدعومة بالاسترجاع (RAG) على استفسارات المستخدمين دون الحاجة إلى ملفات بيانات خارجية أو واجهات برمجة تطبيقات. بدلاً من ذلك، يقوم mcp-local-rag بتنفيذ عمليات بحث مباشرة على الويب، ويستخرج السياق المناسب، ويعيده إلى النماذج اللغوية الكبيرة (LLMs) مثل Claude في الوقت الفعلي. وهذا يمكّن النماذج من الإجابة على الأسئلة باستخدام أحدث المعلومات من الإنترنت، حتى لو لم تكن هذه المعلومات مضمنة في بيانات تدريبها. الخادم سهل التثبيت باستخدام Docker أو أمر uvx ويدعم التكامل مع العديد من العملاء المتوافقين مع MCP، مما يجعله مثالياً للمستخدمين الذين يفضلون الخصوصية، والتحكم، والمعرفة الحديثة مباشرة من بيئتهم المحلية.

الإمكانات

ما الذي يمكننا فعله مع mcp-local-rag

يمنح mcp-local-rag المستخدمين والمطورين القدرة على إجراء عمليات استرجاع مدعومة بالويب محلياً. يسمح للنماذج الذكية بجلب واستخلاص واستخدام أحدث المعلومات من الإنترنت بشكل ديناميكي، لضمان أن تكون الإجابات دائماً حديثة وذات صلة. التكامل سلس مع عملاء MCP الرئيسيين، وتُعطى الأولوية للخصوصية من خلال تجنب واجهات برمجة التطبيقات الخارجية.

بحث مباشر على الويب: إجراء عمليات بحث فورية على الإنترنت للحصول على أحدث المعلومات.
استخلاص السياق: استخراج السياق المناسب تلقائياً من نتائج البحث لإثراء إجابات الذكاء الاصطناعي.
خاص ومحلي: تشغيل كل شيء محلياً لضمان بقاء بياناتك واستفساراتك خاصة—بدون الحاجة لأي واجهات خارجية.
تكامل سلس مع العملاء: متوافق مع عملاء MCP الشائعين مثل Claude Desktop وCursor وGoose.
تثبيت سهل: انشر بسرعة باستخدام Docker أو أمر uvx مع إعداد بسيط.

كيف يستفيد وكلاء الذكاء الاصطناعي من mcp-local-rag

يمنح mcp-local-rag لوكلاء الذكاء الاصطناعي القدرة على الوصول للمعلومات الجديدة واستخدامها من خلال إجراء عمليات بحث مباشرة على الويب واستخلاص السياق عند الطلب. هذا يوسع قاعدة معرفتهم بشكل كبير خارج بيانات التدريب الثابتة، مما يمكّنهم من الإجابة عن الأسئلة الحساسة للوقت أو الجديدة بدقة. وبفضل التشغيل المحلي، يضمن mcp-local-rag أيضاً خصوصية وتحكم وموثوقية أكبر لسير العمل المدعوم بالذكاء الاصطناعي.