Wat doet de “mcp-local-rag” MCP Server?

De mcp-local-rag MCP Server is een “primitieve” Retrieval-Augmented Generation (RAG)-achtige webzoek Model Context Protocol (MCP) server die lokaal draait zonder externe API’s. De belangrijkste functie is het verbinden van AI-assistenten met het web als gegevensbron, zodat large language models (LLM’s) webzoekopdrachten kunnen uitvoeren, zoekresultaten kunnen ophalen en embedden, en relevante content kunnen extraheren—alles in een privacyvriendelijke, lokale omgeving. De server regelt het proces door gebruikersvragen naar een zoekmachine (DuckDuckGo) te sturen, meerdere resultaten op te halen, deze te rangschikken op basis van gelijkenis met behulp van Google’s MediaPipe Text Embedder, en relevante context uit webpagina’s te halen. Zo krijgen ontwikkelaars en AI-clients toegang tot actuele webinformatie, waarmee workflows zoals onderzoek, contentcreatie en vraagbeantwoording verbeterd worden zonder afhankelijkheid van propriëtaire web-API’s.

Lijst met Prompts

Er worden geen specifieke prompt-templates genoemd in de repository of documentatie.

Lijst met Resources

Er worden geen expliciete MCP-“resources” beschreven in de beschikbare repository-inhoud.

Lijst met Tools

Er worden geen gedetailleerde tool-definities direct vermeld in de beschikbare bestanden of documentatie.

Gebruiksscenario’s van deze MCP Server

• Realtime webzoekopdrachten voor LLM’s: Maakt het mogelijk voor AI-assistenten om actuele webinformatie op te halen, waardoor de output nauwkeuriger en actueler is voor onderzoek of nieuwsgerelateerde vragen.
• Content-samenvatting: LLM’s kunnen webpagina’s ophalen en relevante context extraheren, wat ondersteuning biedt bij samenvatten en fact-checking.
• Retrieval-Augmented Generation: Ondersteunt workflows waarbij LLM’s externe kennis van het web nodig hebben om hun antwoorden aan te vullen, ideaal voor het beantwoorden van vragen buiten hun trainingsdata.
• Ontwikkelaarsproductiviteit: Nuttig in codeer-assistenten voor het zoeken naar documentatie, Stack Overflow-threads of recente technische artikelen.
• Onderwijsondersteuning: Kan helpen bij het ophalen van actuele leermaterialen of voorbeelden voor studenten en docenten.

Hoe stel je het in

Hieronder vind je algemene installatie-instructies voor het integreren van de mcp-local-rag MCP Server met verschillende MCP-clients. Pas het configuratie-JSON aan naar de wensen van je specifieke client.

Windsurf

1. Zorg dat je uv (voor de uvx-methode) of Docker hebt geïnstalleerd.
2. Zoek je MCP-clientconfiguratiebestand (zie hier).
3. Voeg het volgende JSON toe aan je mcpServers-object:

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

4. Sla de configuratie op en herstart Windsurf.
5. Controleer of de MCP-server actief en bereikbaar is in je client.

Claude

1. Installeer uv of Docker indien nodig.
2. Open de MCP-configuratie van Claude Desktop.
3. Voeg het volgende toe aan je MCP-serverinstellingen:

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

4. Sla op en herstart Claude Desktop.
5. Controleer of de “mcp-local-rag”-server verschijnt in je tools.

Cursor

1. Zorg dat Docker of uv is geïnstalleerd.
2. Zoek en open het MCP-serverconfiguratiebestand voor Cursor.
3. Gebruik de Docker-configuratie voor betere isolatie:

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

4. Sla op en herstart Cursor.
5. Controleer de MCP-serverstatus in de UI van Cursor.

Cline

1. Installeer Docker of uv indien vereist.
2. Open de MCP-serverconfiguratie van Cline (zie de documentatie).
3. Voeg het juiste JSON-fragment toe (zie het uvx- of Docker-voorbeeld hierboven).
4. Sla de configuratie op en herstart Cline.
5. Controleer of de server wordt weergegeven bij de beschikbare MCP-integraties.

API-sleutels beveiligen

Er zijn geen externe API-sleutels benodigd voor mcp-local-rag, maar als je omgevingsvariabelen wilt instellen (voor Docker of andere doeleinden), gebruik je het env-object in je configuratie:

{
  "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": {}
    }
  }
}

Hoe gebruik je deze MCP in flows

MCP gebruiken in FlowHunt

Om MCP-servers te integreren in je FlowHunt-workflow, voeg je het MCP-component toe aan je flow en verbind je deze met je AI-agent:

Klik op het MCP-component om het configuratiepaneel te openen. Voeg in de systeem-MCP-configuratiesectie je MCP-servergegevens in met het volgende JSON-formaat:

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

Zodra dit geconfigureerd is, kan de AI-agent deze MCP gebruiken als tool met toegang tot alle functies en mogelijkheden. Vergeet niet “mcp-local-rag” aan te passen aan de daadwerkelijke naam van je MCP-server en de URL te vervangen door je eigen MCP-server-URL.

Overzicht

Al met al is mcp-local-rag een eenvoudige, privacygerichte MCP-server voor webzoekopdrachten, maar ontbreekt het aan details in de documentatie over prompts/templates, resources en toolspecificaties. Het is eenvoudig te installeren en te gebruiken met grote clients, maar is het meest geschikt voor eenvoudige web-RAG-toepassingen.

MCP Score