mcp-local-rag MCP Sunucusu

“mcp-local-rag” MCP Sunucusu ne yapar?

mcp-local-rag MCP Sunucusu, harici API gerektirmeden yerel olarak çalışan “ilkel” bir Retrieval-Augmented Generation (RAG) benzeri web arama Model Context Protocol (MCP) sunucusudur. Ana işlevi, yapay zeka asistanlarını bir veri kaynağı olarak web’e bağlamak, büyük dil modellerinin (LLM) web aramaları yapmasını, arama sonuçlarını çekip gömmesini ve ilgili içeriği çıkartmasını sağlamaktır—tüm bunları gizliliğe saygılı, yerel bir ortamda gerçekleştirir. Sunucu, kullanıcı sorgularını bir arama motoruna (DuckDuckGo) göndererek, birden fazla sonucu alır, bunları Google’ın MediaPipe Text Embedder’ı ile benzerliğe göre sıralar ve web sayfalarından ilgili bağlamı çıkartır. Bu sayede geliştiriciler ve yapay zeka istemcileri, özel web API’lerine ihtiyaç duymadan araştırma, içerik üretimi ve soru-cevap gibi iş akışlarını güncel web bilgisiyle zenginleştirebilir.

Prompt Listesi

Depoda veya dokümantasyonda özel bir prompt şablonu belirtilmemiştir.

Kaynak Listesi

Mevcut depo içeriğinde açık bir MCP “kaynağı” tanımlanmamıştır.

Araç Listesi

Mevcut dosya veya dokümantasyonda doğrudan detaylı araç tanımı bulunmamaktadır.

Bu MCP Sunucusunun Kullanım Senaryoları

• LLM’ler için Gerçek Zamanlı Web Arama: Yapay zeka asistanlarının güncel web bilgisine erişmesini sağlar; çıktılar araştırma ve haber odaklı sorgular için daha doğru ve güncel olur.
• İçerik Özetleme: LLM’lerin web sayfalarını çekip ilgili bağlamı çıkartmasına, özetleme ve doğrulama süreçlerini desteklemesine olanak tanır.
• Retrieval-Augmented Generation: LLM’lerin yanıtlarını eğitildiği verilerin ötesine taşımak için web’den harici bilgi çekmesi gereken iş akışlarında kullanılır.
• Geliştirici Verimliliği: Kodlama asistanlarında dokümantasyon, Stack Overflow başlıkları veya güncel teknik makaleler aramak için faydalıdır.
• Eğitsel Yardım: Öğrenci ve eğitmenler için güncel öğrenme kaynakları veya örnekler çekilmesine yardımcı olabilir.

Nasıl Kurulur?

Aşağıda mcp-local-rag MCP Sunucusunu çeşitli MCP istemcileriyle entegre etmek için genel kurulum talimatlarını bulabilirsiniz. Yapılandırma JSON’unu kendi istemcinize göre uyarlayın.

Windsurf

1. uv (uvx yöntemi için) veya Docker’ın kurulu olduğundan emin olun.
2. MCP istemci yapılandırma dosyanızı bulun (bkz. burada).
3. mcpServers nesnesine aşağıdaki JSON’u ekleyin:

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

4. Yapılandırmayı kaydedin ve Windsurf’ü yeniden başlatın.
5. MCP sunucusunun çalıştığını ve istemcinizden erişilebilir olduğunu doğrulayın.

Claude

1. Gerekirse uv veya Docker’ı yükleyin.
2. Claude Desktop için MCP yapılandırmasını açın.
3. MCP sunucu ayarlarınıza şunu ekleyin:

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

4. Kaydedin ve Claude Desktop’u yeniden başlatın.
5. “mcp-local-rag” sunucusunun araçlarınız arasında göründüğünü doğrulayın.

Cursor

1. Docker veya uv kurulu olduğundan emin olun.
2. Cursor için MCP sunucu yapılandırma dosyasını bulun ve açın.
3. Daha iyi izolasyon için Docker yapılandırmasını kullanın:

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

4. Kaydedin ve Cursor’u yeniden başlatın.
5. Cursor arayüzünde MCP sunucu durumunu kontrol edin.

Cline

1. Gerekirse Docker veya uv yükleyin.
2. Cline’ın MCP sunucu yapılandırmasına erişin (dokümantasyonuna bakın).
3. Uygun JSON kodunu ekleyin (yukarıdaki uvx veya Docker örneğine bakın).
4. Yapılandırmayı kaydedin ve Cline’ı yeniden başlatın.
5. Sunucunun mevcut MCP entegrasyonları arasında listelendiğinden emin olun.

API Anahtarlarını Güvenceye Almak

mcp-local-rag için harici API anahtarı gerekmez, ancak ortam değişkeni ayarlamanız gerekirse (Docker veya başka bir amaçla) yapılandırmanızda env nesnesini kullanabilirsiniz:

{
  "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": {}
    }
  }
}

Bu MCP’yi akışlarda nasıl kullanabilirim?

FlowHunt’ta MCP kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, akışınıza MCP bileşenini ekleyip onu yapay zeka ajanınıza bağlayarak başlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırma bölümüne, MCP sunucu bilgilerinizi şu JSON formatında girin:

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

Yapılandırma tamamlandığında, yapay zeka ajanınız bu MCP’nin tüm işlev ve yeteneklerinden yararlanabilir. “mcp-local-rag” ismini kendi MCP sunucunuzun adıyla ve URL’yi kendi sunucu adresinizle değiştirin.

Genel Bakış

Genel olarak, mcp-local-rag basit, gizliliğe öncelik veren bir web arama MCP sunucusudur, ancak prompt/şablon, kaynak ve araç dokümantasyonu açısından detaydan yoksundur. Başlıca istemcilerle kurulumu ve kullanımı kolaydır, ancak en çok basit web RAG kullanım senaryoları için uygundur.

MCP Skoru