mcp-local-rag 的 AI 智能体

将 mcp-local-rag 这款本地化检索增强生成 (RAG) 工具无缝集成到您的工作流中。让您的 AI 模型能够进行实时网页搜索，提取并嵌入最新上下文信息，基于最新知识进行响应——无需依赖外部 API。为您的 AI 应用带来更高的准确性、隐私性与可控性，轻量级且开源的 MCP 服务器。

预约演示免费试用 FlowHunt

实时本地网页搜索 AI

通过 mcp-local-rag，为您的大语言模型 (LLM) 赋能实时、注重隐私的网页搜索。本集成让 AI 可以本地安全地获取、嵌入并理解最新在线信息。无需第三方 API。

实时网页搜索.: 使用 DuckDuckGo 直接从网页获取最新信息——无需 API 密钥。
隐私优先.: 完全本地运行，确保敏感查询和数据不会离开您的环境。
上下文嵌入.: 利用 Google MediaPipe Text Embedder 对搜索结果进行向量化和排序，提供高度相关的上下文。
无缝 LLM 集成.: 可即插即用地与 Claude Desktop、Cursor、Goose 等主流 MCP 客户端协作，实现高效工具调用。

灵活安全的部署方式

根据您的需求部署 mcp-local-rag——可直接通过 Python 运行，或在 Docker 容器中部署，兼容性与安全性兼备。自动化安全审计助您合规无忧。

Docker 支持.: 仅需一条命令即可使用 Docker 部署，实现快速、隔离且可复现的环境搭建。
定期安全审计.: 由 MseeP 审核，并提供最新的公开审计报告，让您安心无忧。
简易配置.: 可与您的 MCP 服务器配置轻松集成——无需复杂设置。

开源与社区驱动

mcp-local-rag 基于 MIT 许可协议开发，欢迎全球 AI 实践者参与贡献与改进。加入这个注重隐私、透明与创新的社区。

社区支持.: 欢迎提交 Issue 和 PR——共同推动新特性与功能改进。
MIT 许可协议.: 开源基础，灵活且适合商业应用的许可。

MCP 集成

可用的 mcp-local-rag MCP 集成工具

以下工具可作为 mcp-local-rag MCP 集成的一部分使用：

search_web: 实时搜索网页，并通过 DuckDuckGo 与内容提取为您的查询检索相关信息与上下文。

本地运行私有、实时的网页搜索 RAG

试用 mcp-local-rag：轻量级、无需 API 的检索增强生成 (RAG) 服务器，为您的 LLM 带来最新网页上下文，全部运行在您自己的设备上。搜索、获取并嵌入实时数据——无需外部 API。

Get started 了解更多

什么是 mcp-local-rag

mcp-local-rag 是一款开源、本地服务器实现的检索增强生成 (RAG) 系统，专为 Model Context Protocol (MCP) 客户端和语言模型设计。该项目充当一种“原始”的 RAG 型网页搜索模型上下文协议服务器，完全在您本地机器上运行——无需 API 或外部云服务。它让语言模型能够实时进行网页搜索，获取最新信息，并直接为 LLM 查询提供最新的上下文。系统通过 DuckDuckGo 搜索网络，提取相关内容，使用 Google MediaPipe Text Embedder 生成嵌入并对结果进行相关性排序，最终以 markdown 内容返回给语言模型处理。对于注重隐私、希望完全掌控数据或需要将最新信息集成进 AI 工作流的用户来说，这是一款极具价值的工具。

功能

mcp-local-rag 能做什么

mcp-local-rag 让 AI 模型具备强大的实时数据检索与上下文增强能力，无需依赖第三方 API。用户可搜索最新网页内容、提取并排序相关结果，为语言模型提供最新且相关性强的信息，全部由本地服务器完成。该服务可与 Claude Desktop、Cursor、Goose 等主流 MCP 客户端无缝集成，轻松为您的 AI 智能体工作流添加按需网页搜索能力。

实时网页搜索: 直接通过您的 LLM 查询，在互联网上进行实时搜索，获取最新信息。
本地隐私保护: 所有搜索与检索操作均在本地完成，确保数据隐私，无第三方 API 泄露风险。
上下文提取: 从网页中提取相关 markdown 内容，丰富 AI 生成的回复。
嵌入与排序: 使用 MediaPipe Text Embedder 生成语义嵌入，并对搜索结果按相关性排序。
无缝集成: 兼容支持工具调用的所有 MCP 客户端，如 Claude Desktop、Cursor 等。