mcp-local-rag MCP 服务器

“mcp-local-rag” MCP 服务器的作用是什么？

mcp-local-rag MCP 服务器是一种运行于本地、无需外部 API 的“原始”检索增强生成（RAG）类网页搜索模型上下文协议（MCP）服务器。其主要功能是将 AI 助手与网络作为数据源连接，允许大语言模型（LLM）执行网页搜索、获取并嵌入搜索结果，以及提取相关内容——所有过程均在保护隐私的本地环境中完成。服务器通过将用户查询提交给搜索引擎（DuckDuckGo），获取多条结果，利用 Google MediaPipe Text Embedder 按相似性排序，并从网页中提取相关上下文来协调这一流程。这使开发者和 AI 客户端能够获取最新网络信息，提升如科研、内容创作、问答等工作流，无需依赖专有网页 API。

提示模板列表

仓库或文档中未提及具体的提示模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

在现有仓库内容中未描述明确的 MCP“资源”。

工具列表

在可用文件或文档中未直接列出详细的工具定义。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

该 MCP 服务器的应用场景

• LLM 实时网页搜索： 让 AI 助手获取当前网络信息，使输出更准确、更新，适用于科研或新闻类查询。
• 内容摘要： 支持 LLM 获取网页并提取相关上下文，便于摘要与事实核查。
• 检索增强生成： 适用于 LLM 需要从网络获取外部知识扩充回答的场景，能应对超出训练数据范围的问题。
• 开发者效率： 适合用于代码助手，便于搜索文档、Stack Overflow 讨论或最新技术文章。
• 教育辅助： 可为学生和教育者拉取新鲜的学习资源或实例。

部署指南

以下为 mcp-local-rag MCP 服务器集成到各类 MCP 客户端的通用安装说明。请根据实际客户端需求适当调整配置 JSON。

Windsurf

1. 确保已安装 uv （用于 uvx 方法）或 Docker。
2. 找到您的 MCP 客户端配置文件（参见这里 ）。
3. 在 mcpServers 对象中添加以下 JSON：

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

4. 保存配置并重启 Windsurf。
5. 验证 MCP 服务器已在客户端运行并可访问。

Claude

1. 按需安装 uv 或 Docker。
2. 打开 Claude Desktop 的 MCP 配置界面。
3. 在 MCP 服务器设置中插入以下内容：

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

4. 保存并重启 Claude Desktop。
5. 确认“mcp-local-rag”服务器已出现在工具列表中。

Cursor

1. 确保已安装 Docker 或 uv。
2. 找到并打开 Cursor 的 MCP 服务器配置文件。
3. 推荐使用 Docker 配置以获得更好隔离性：

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

4. 保存并重启 Cursor。
5. 在 Cursor 的界面中检查 MCP 服务器状态。

Cline

1. 根据需要安装 Docker 或 uv。
2. 打开 Cline 的 MCP 服务器配置（详见其文档）。
3. 添加合适的 JSON 片段（参见上方 uvx 或 Docker 示例）。
4. 保存配置并重启 Cline。
5. 确认服务器已在可用的 MCP 集成中显示。

安全设置 API 密钥

mcp-local-rag 不需要外部 API 密钥，但如需设置环境变量（用于 Docker 或其他场景），可在配置中使用 env 对象：

{
  "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": {}
    }
  }
}

在流程中使用该 MCP

FlowHunt 中的 MCP 使用

要在 FlowHunt 工作流中集成 MCP 服务器，请先将 MCP 组件添加到您的流程中，并与 AI agent 连接：

点击 MCP 组件打开配置面板。在系统 MCP 配置部分，按如下 JSON 格式填写 MCP 服务器信息：

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

配置完成后，AI agent 即可将该 MCP 作为工具，访问其全部功能。请记得将 “mcp-local-rag” 替换为实际 MCP 服务器名称，并将 URL 替换为您自己的 MCP 地址。

概览

总体来看，mcp-local-rag 是一款简洁、保护隐私的网页搜索 MCP 服务器，但在提示/模板、资源与工具说明文档方面较为缺乏细节。易于在主流客户端部署和使用，但更适合于简单的网页 RAG 场景。

MCP 评分