MCP Hub
Back to servers

Hybrid RAG MCP Server

A modular Retrieval-Augmented Generation (RAG) framework that provides hybrid search and knowledge retrieval capabilities via the Model Context Protocol. It enables users to integrate document-based knowledge into LLM workflows with support for dense/sparse retrieval, reranking, and observability.

glama
Updated
Mar 16, 2026
View Source
Claim this server

Hybrid RAG MCP Server

English

一个可插拔、可观测、支持 MCP 集成的模块化 RAG（Retrieval-Augmented Generation）服务框架。

项目简介

Hybrid RAG MCP Server 是一个面向工程实践的 RAG 项目，目标是将文档摄取、切分、向量化、混合检索、重排、评测和可观测能力解耦成可组合模块，方便你按需替换模型、向量库和检索策略。

项目适合以下场景：

  • 企业知识库检索
  • 文档问答与内部搜索
  • MCP 工具化知识增强
  • RAG 流程实验与评测
  • 可观测的检索系统原型开发

核心特性

  • 模块化架构：LLM、Embedding、Vector Store、Reranker、Loader、Splitter 都可替换
  • 混合检索：支持 Dense Retrieval + Sparse Retrieval + RRF Fusion
  • 可选重排：支持关闭或启用 rerank 进行二阶段精排
  • 文档摄取：支持 PDF、TXT、Markdown、DOCX 等常见文档格式
  • 可观测性：内置 ingestion/query trace、评测历史与可视化 Dashboard
  • MCP 集成：可以通过 MCP Tool 形式暴露知识检索能力
  • 交互式调试：提供 Query Playground 页面查看 dense / sparse / fusion / rerank 结果

界面预览

Query Playground

Query Playground

用于直接发起查询，查看 dense / sparse / fusion / rerank 的召回效果。

Data Browser

Data Browser

用于浏览已导入文档、chunk 内容、图片与元数据。

系统组成

项目主要由以下部分组成：

  • src/core/：查询编排、响应构建、追踪上下文等核心逻辑
  • src/ingestion/：文档摄取、切分、编码、索引与存储
  • src/libs/：模型、向量库、加载器、重排器等适配层
  • src/mcp_server/：MCP Server 与工具定义
  • src/observability/：日志、评测、Dashboard
  • scripts/：常用命令行入口
  • tests/：单元测试与集成测试

快速开始

1. 创建虚拟环境并安装依赖

python -m venv .venv
source .venv/bin/activate
pip install -e .[dev]

2. 配置模型与服务

编辑 config/settings.yaml，填入你自己的配置：

  • llm.api_key
  • embedding.api_key
  • 可选的 vision_llm.api_key
  • 如果使用 OpenAI 兼容服务，请确认 base_url 正确

也可以优先使用环境变量，例如：

export OPENAI_API_KEY="your_api_key"

建议不要把真实密钥直接写入仓库并提交到 GitHub。

3. 导入文档

./.venv/bin/python scripts/ingest.py --file path/to/your.pdf --collection default

4. 运行查询

./.venv/bin/python scripts/query.py \
  --query "纳瓦尔 财富 幸福" \
  --collection default \
  --verbose

5. 启动可视化 Dashboard

./.venv/bin/python scripts/start_dashboard.py --host 127.0.0.1 --port 8501

浏览器打开：http://127.0.0.1:8501

可使用页面包括：

  • Overview
  • Data Browser
  • Ingestion Manager
  • Ingestion Traces
  • Query Playground
  • Query Traces
  • Evaluation Panel

配置说明

关键配置位于 config/settings.yaml：

  • llm：大语言模型配置
  • embedding：向量模型配置
  • vector_store：向量数据库配置
  • retrieval：Dense / Sparse / Fusion 参数
  • rerank：重排配置
  • evaluation：评测配置
  • observability：日志与 trace 配置
  • ingestion：切分、批处理等摄取参数

常见说明

  • 当前中文查询的规则分词较简单，Sparse Retrieval 对“空格分隔关键词”更友好
  • 如果你更重视中文稀疏召回，建议后续接入更好的中文分词方案
  • 默认不提交 data/、logs/、虚拟环境与本地 IDE 配置

测试

运行全部测试：

./.venv/bin/python -m pytest

运行部分测试：

./.venv/bin/python -m pytest tests/unit -q

Reviews

No reviews yet

Sign in to write a review