mcp-local-rag MCPサーバー

「mcp-local-rag」MCPサーバーは何をする？

mcp-local-rag MCPサーバーは、外部API不要でローカル動作する「プリミティブ」なRetrieval-Augmented Generation（RAG）型ウェブ検索Model Context Protocol（MCP）サーバーです。主な役割は、AIアシスタントとウェブというデータソースをつなぎ、大規模言語モデル（LLM）がウェブ検索を実行し、検索結果を取得・埋め込み・抽出できるようにすることです。これらはすべてプライバシーを重視したローカル環境で処理されます。サーバーはユーザーのクエリを（DuckDuckGoなどの）検索エンジンに投げ、複数の結果を取得し、GoogleのMediaPipe Text Embedderで類似度をもとにランキング・ウェブページから関連するコンテキストを抽出します。開発者やAIクライアントは、外部プロプライエタリAPIに頼らず、最新のウェブ情報にアクセスでき、リサーチやコンテンツ作成、質問応答などのワークフローを強化できます。

プロンプト一覧

リポジトリやドキュメントに特定のプロンプトテンプレートは記載されていません。

リソース一覧

利用可能なリポジトリ内容に明示的なMCP「リソース」は記載されていません。

ツール一覧

利用可能なファイルやドキュメントに直接的なツール定義は記載されていません。

このMCPサーバーのユースケース

• LLM向けリアルタイムウェブ検索： AIアシスタントが最新のウェブ情報へアクセスでき、リサーチやニュースベースのクエリでより正確かつ新しいアウトプットを実現します。
• コンテンツ要約： LLMがウェブページを取得し、関連するコンテキストを抽出。要約やファクトチェックを支援します。
• Retrieval-Augmented Generation： LLMがウェブの外部知識を元に応答を拡張するワークフローをサポートし、学習データ外の質問にも対応できます。
• 開発者の生産性向上： コーディングアシスタントでドキュメントやStack Overflowスレッド、新しい技術記事などの検索に役立ちます。
• 教育支援： 学習者や教育者向けに新しい教材や事例をウェブから取得する際に活用できます。

セットアップ方法

以下は、mcp-local-rag MCPサーバーを各種MCPクライアントと連携するための一般的なセットアップ手順です。ご利用クライアントに合わせて設定JSONを調整してください。

Windsurf

1. uv（uvx方式の場合）またはDockerをインストールしてください。
2. MCPクライアント設定ファイルを探します（こちらを参照）。
3. mcpServersオブジェクトに次のJSONを追加します:

   {
     "mcpServers": {
       "mcp-local-rag": {
         "command": "uvx",
         "args": [
           "--python=3.10",
           "--from",
           "git+https://github.com/nkapila6/mcp-local-rag",
           "mcp-local-rag"
         ]
       }
     }
   }
   

4. 設定を保存し、Windsurfを再起動します。
5. MCPサーバーがクライアント上で稼働・アクセス可能か確認してください。

Claude

1. uvまたはDockerをインストールします。
2. Claude DesktopのMCP設定を開きます。
3. MCPサーバー設定に次を追加します:

   {
     "mcpServers": {
       "mcp-local-rag": {
         "command": "uvx",
         "args": [
           "--python=3.10",
           "--from",
           "git+https://github.com/nkapila6/mcp-local-rag",
           "mcp-local-rag"
         ]
       }
     }
   }
   

4. 保存してClaude Desktopを再起動します。
5. 「mcp-local-rag」サーバーがツール一覧に表示されることを確認します。

Cursor

1. Dockerまたはuvをインストールしてください。
2. Cursor用のMCPサーバー設定ファイルを開きます。
3. 分離性を高めるためDocker構成を推奨します:

   {
     "mcpServers": {
       "mcp-local-rag": {
         "command": "docker",
         "args": [
           "run",
           "--rm",
           "-i",
           "--init",
           "-e",
           "DOCKER_CONTAINER=true",
           "ghcr.io/nkapila6/mcp-local-rag:latest"
         ]
       }
     }
   }
   

4. 保存してCursorを再起動します。
5. CursorのUIでMCPサーバーの状態を確認しましょう。

Cline

1. 必要に応じてDockerまたはuvをインストールします。
2. ClineのMCPサーバー設定にアクセスします（ドキュメント参照）。
3. 該当するJSONスニペット（上記uvxまたはDocker例）を追加します。
4. 設定を保存してClineを再起動します。
5. 使用可能なMCP連携リストにサーバーが表示されているか確認します。

APIキーのセキュリティ

mcp-local-ragでは外部APIキーは不要ですが、Docker等で環境変数を設定する場合は設定内のenvオブジェクトを利用してください。

{
  "mcpServers": {
    "mcp-local-rag": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "--init",
        "-e",
        "DOCKER_CONTAINER=true",
        "ghcr.io/nkapila6/mcp-local-rag:latest"
      ],
      "env": {
        "EXAMPLE_ENV_VAR": "value"
      },
      "inputs": {}
    }
  }
}

FlowHuntのフロー内でのMCPの使い方

FlowHuntでMCPを利用するには

フローにMCPコンポーネントを追加し、AIエージェントに接続します。

MCPコンポーネントをクリックして設定パネルを開きます。system MCP設定セクションで、下記JSON形式でMCPサーバー情報を入力してください。

{
  "mcp-local-rag": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定後、AIエージェントはこのMCPの全機能・能力をツールとして利用できるようになります。“mcp-local-rag"はご自身のMCPサーバー名に、URLもご利用サーバーのURLに必ず変更してください。

概要

全体として、mcp-local-ragはシンプルでプライバシーを重視したウェブ検索用MCPサーバーですが、プロンプト／テンプレート・リソース・ツール仕様の詳細なドキュメントには欠けます。主要クライアントで簡単にセットアップ・利用できますが、シンプルなウェブRAG用途に最適です。

MCPスコア