Ragie MCP 服务器

“Ragie” MCP 服务器有什么用？

Ragie MCP（模型上下文协议）服务器作为 AI 助手与 Ragie 知识库检索系统之间的接口。通过实现 MCP，该服务器使 AI 模型能够查询 Ragie 知识库，便于获取相关信息，从而支持先进的开发工作流。其主要功能是执行语义搜索并从结构化知识库中获取有上下文的信息。这一集成为 AI 助手赋予了更强大的知识检索能力，支持问答、参考资料提供，以及将外部知识集成到 AI 应用中等任务。

提示词列表

在可用文档中未提及任何提示词模板。

资源列表

在可用仓库文件或 README 中未记录明确的资源。

工具列表

• retrieve：允许查询 Ragie 知识库以获取相关信息。这是 Ragie MCP 服务器所暴露的唯一工具。

此 MCP 服务器的应用场景

• 知识库查询：开发者可以使用该服务器在 Ragie 知识库中进行语义搜索，获取与其查询相关的信息。
• AI 增强：使 AI 助手和智能体能够用知识库中获取的事实或上下文补充其回复。
• 自动化研究：借助 Ragie 的检索能力，自动化完成研究、文档编写或分析任务中的信息收集。
• 上下文答案生成：为 LLM 驱动的应用提供最新或特定领域知识，增强模型中未内置的知识。

如何设置

Windsurf

1. 确保已安装 Node.js (>= 18)。
2. 获取你的 Ragie API 密钥。
3. 在 Windsurf 中编辑或创建 MCP 配置文件。
4. 添加如下 JSON 片段来配置 Ragie MCP 服务器：

   {
     "mcpServers": {
       "ragie": {
         "command": "npx",
         "args": ["@ragieai/mcp-server@latest"],
         "env": { "RAGIE_API_KEY": "your_api_key" }
       }
     }
   }
   

5. 保存更改并重启 Windsurf，确认服务器已运行。

Claude

1. 安装 Node.js (>= 18)。
2. 获取你的 Ragie API 密钥。
3. 更新 Claude MCP 配置。
4. 插入 Ragie MCP 服务器配置：

   {
     "mcpServers": {
       "ragie": {
         "command": "npx",
         "args": ["@ragieai/mcp-server@latest"],
         "env": { "RAGIE_API_KEY": "your_api_key" }
       }
     }
   }
   

5. 重启 Claude 客户端并确保连接正常。

Cursor

1. 确认已设置 Node.js (>= 18)。
2. 获取 Ragie API 密钥。
3. 编辑 Cursor 的 MCP 服务器配置。
4. 添加：

   {
     "mcpServers": {
       "ragie": {
         "command": "npx",
         "args": ["@ragieai/mcp-server@latest"],
         "env": { "RAGIE_API_KEY": "your_api_key" }
       }
     }
   }
   

5. 保存并重启 Cursor。

Cline

1. 确认已安装 Node.js (>= 18)。
2. 获取你的 Ragie API 密钥。
3. 打开 Cline 的 MCP 服务器配置文件。
4. 添加：

   {
     "mcpServers": {
       "ragie": {
         "command": "npx",
         "args": ["@ragieai/mcp-server@latest"],
         "env": { "RAGIE_API_KEY": "your_api_key" }
       }
     }
   }
   

5. 保存文件并重启 Cline。

API 密钥安全措施：
请始终通过环境变量 RAGIE_API_KEY 提供密钥，切勿直接写在源代码或配置文件中。
示例：

{
  "env": {
    "RAGIE_API_KEY": "your_api_key"
  }
}

如何在流程中使用此 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，请先在流程中添加 MCP 组件，并将其连接到你的 AI 智能体：

点击 MCP 组件以打开配置面板。在系统 MCP 配置区域，使用如下 JSON 格式填写你的 MCP 服务器信息：

{
  "ragie": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 智能体即可作为工具使用此 MCP，发挥其全部功能。请记得将 “ragie” 替换为你的 MCP 服务器实际名称，并将 URL 换为你的 MCP 服务器地址。

概览

我们的看法

Ragie MCP 服务器专注度高，易于部署，工具集成和 API 密钥安全的文档清晰。但目前仅提供一个工具，无明确的提示词或资源模板，也缺乏 roots、采样等高级特性说明。

MCP 得分

评分：
基于上述表格，我们对 Ragie MCP 服务器的评分为 5/10。其授权开放、文档清晰且简单易用，但由于缺少提示词、资源、roots 或采样，功能和可扩展性有限。适合基础知识库检索，但不适合需要更丰富协议特性的复杂工作流。