mcp-local-rag Máy chủ MCP

Máy chủ MCP “mcp-local-rag” làm gì?

mcp-local-rag MCP Server là một máy chủ Model Context Protocol (MCP) tìm kiếm web kiểu Retrieval-Augmented Generation (RAG) “nguyên thủy” chạy cục bộ mà không cần API ngoài. Chức năng chính là kết nối trợ lý AI với web như một nguồn dữ liệu, cho phép các mô hình ngôn ngữ lớn (LLMs) thực hiện tìm kiếm web, truy xuất và nhúng kết quả, cũng như trích xuất nội dung liên quan — tất cả trong môi trường cục bộ bảo vệ quyền riêng tư. Máy chủ điều phối quy trình bằng cách gửi truy vấn người dùng lên công cụ tìm kiếm (DuckDuckGo), lấy nhiều kết quả, xếp hạng dựa trên độ tương đồng bằng MediaPipe Text Embedder của Google, và trích xuất ngữ cảnh liên quan từ trang web. Điều này giúp nhà phát triển và AI client truy cập thông tin web mới nhất, nâng cao các quy trình như nghiên cứu, sáng tạo nội dung, trả lời câu hỏi mà không cần phụ thuộc vào API web độc quyền.

Danh sách Prompt

Không có template prompt cụ thể nào được đề cập trong repository hoặc tài liệu.

Danh sách Tài nguyên

Không có “tài nguyên” MCP rõ ràng nào được mô tả trong nội dung repository hiện có.

Danh sách Công cụ

Không có định nghĩa công cụ chi tiết nào được liệt kê trực tiếp trong các file hoặc tài liệu.

Các trường hợp sử dụng Máy chủ MCP này

• Tìm kiếm Web Thời gian Thực cho LLMs: Cho phép trợ lý AI truy cập thông tin web hiện tại, giúp kết quả chính xác và cập nhật hơn cho nghiên cứu hoặc truy vấn tin tức.
• Tóm tắt Nội dung: Cho phép LLMs truy xuất trang web và trích xuất ngữ cảnh liên quan, hỗ trợ tóm tắt và kiểm tra thông tin.
• Retrieval-Augmented Generation: Hỗ trợ các quy trình khi LLMs cần kiến thức ngoài web để bổ sung cho câu trả lời, lý tưởng cho các câu hỏi vượt ngoài dữ liệu huấn luyện.
• Tăng Năng suất Lập trình: Hữu ích cho trợ lý lập trình khi tìm kiếm tài liệu, chủ đề Stack Overflow, hoặc bài viết kỹ thuật mới nhất.
• Hỗ trợ Giáo dục: Có thể giúp lấy tài nguyên học tập mới hoặc ví dụ cho học sinh và giáo viên.

Cách thiết lập

Dưới đây là hướng dẫn chung để tích hợp mcp-local-rag MCP Server với các client MCP khác nhau. Hãy điều chỉnh JSON cấu hình phù hợp với client của bạn.

Windsurf

1. Đảm bảo bạn đã cài đặt uv (cho phương thức uvx) hoặc Docker.
2. Tìm file cấu hình client MCP của bạn (xem tại đây).
3. Thêm JSON sau vào đối tượng mcpServers:

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

4. Lưu cấu hình và khởi động lại Windsurf.
5. Kiểm tra máy chủ MCP đã hoạt động và truy cập được từ client.

Claude

1. Cài đặt uv hoặc Docker nếu cần.
2. Mở cấu hình MCP cho Claude Desktop.
3. Thêm đoạn sau vào phần cấu hình MCP server:

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

4. Lưu và khởi động lại Claude Desktop.
5. Xác nhận máy chủ “mcp-local-rag” xuất hiện trong danh sách công cụ.

Cursor

1. Đảm bảo đã cài đặt Docker hoặc uv.
2. Tìm và mở file cấu hình MCP server cho Cursor.
3. Sử dụng cấu hình Docker để đảm bảo cách ly tốt hơn:

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

4. Lưu và khởi động lại Cursor.
5. Kiểm tra trạng thái máy chủ MCP trong giao diện Cursor.

Cline

1. Cài đặt Docker hoặc uv như yêu cầu.
2. Truy cập cấu hình MCP server của Cline (xem tài liệu đi kèm).
3. Thêm đoạn JSON phù hợp (xem ví dụ uvx hoặc Docker ở trên).
4. Lưu cấu hình và khởi động lại Cline.
5. Đảm bảo máy chủ đã hiển thị trong các tích hợp MCP sẵn có.

Bảo vệ khóa API

Không cần khóa API ngoài cho mcp-local-rag, nhưng nếu bạn cần đặt biến môi trường (cho Docker hoặc mục đích khác), hãy dùng đối tượng env trong cấu hình:

{
  "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": {}
    }
  }
}

Cách sử dụng MCP này trong các flow

Sử dụng MCP trong FlowHunt

Để tích hợp các máy chủ MCP vào quy trình FlowHunt của bạn, hãy bắt đầu bằng cách thêm thành phần MCP vào flow rồi kết nối với agent AI:

Nhấn vào thành phần MCP để mở bảng cấu hình. Trong phần cấu hình hệ thống MCP, dán thông tin máy chủ MCP của bạn theo định dạng JSON sau:

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

Sau khi cấu hình, agent AI sẽ sử dụng được MCP này như một công cụ với đầy đủ tính năng. Hãy nhớ thay “mcp-local-rag” bằng tên thực tế máy chủ MCP của bạn và thay URL bằng đường dẫn MCP server của bạn.

Tổng quan

Tổng thể, mcp-local-rag là một máy chủ MCP tìm kiếm web đơn giản, bảo vệ quyền riêng tư, nhưng thiếu chi tiết về prompt/templates, tài nguyên và tài liệu công cụ. Máy chủ dễ thiết lập và sử dụng với các client lớn, phù hợp nhất cho các trường hợp RAG web đơn giản.

Điểm MCP