MCP In Action 是一个实战项目,旨在帮助开发者快速掌握 Model Context Protocol (MCP) 的开发与应用。本项目通过实际案例展示如何构建基于 MCP 的应用,使大语言模型能够与外部工具和数据源进行交互,从而增强模型的能力范围。
本仓库包含以下主要项目:
这个项目展示了 MCP 的开源工具,平台等。
这个项目展示了 MCP 的基础应用,通过搭建客户端-服务器架构,让 AI 模型能够访问实时天气信息。
这个项目专注于将 MCP 与检索增强生成 (RAG) 技术结合,展示如何通过 MCP 实现更高级的知识检索和信息整合能力。
本项目旨在构建一个基于MCP的企业RAG系统,实现以下具体目标:
目标
本项目系统设计参考自alibabacloud-tablestore-mcp-server,由于
alibabacloud-tablestore-mcp-server
项目使用Tablestore存储和Java实现的MCP Server,不方便于后期扩展和迭代。本项目改造为Milvus存储和Python实现MCP Server和MCP Client,代码全部重写(cursor帮忙不少)。
以下设计和流程皆为
alibabacloud-tablestore-mcp-server
内容,在此感谢@xjtushilei 开源的alibabacloud-tablestore-mcp-server
。
我们构建的基于MCP的RAG系统主要包含三个核心部分:
主要分为两部分:知识库构建和检索。
相比传统的 Naive RAG,在知识库构建和检索分别做了一些常见的优化,包括 Chunk 切分优化、提取 FAQ、Query Rewrite、混合检索等。
本Agent整体架构分为三个部分:
项目结构分为两部分:
milvus-mcp-client
: Python 实现的 Client 端,实现了与大模型进行交互,通过 MCP Client 获取 Tools,根据大模型的反馈调用 Tools 等基本能力。通过 Prompt 实现了知识库构建、检索和问答三个主要功能。milvus-mcp-server
: Python 实现的 Server 端,基于 MCP 框架实现的服务,提供了连接 Milvus 向量数据库的接口,支持知识库的存储和检索功能。欢迎通过以下方式为项目做出贡献:
git checkout -b feature/amazing-feature
)git commit -m 'Add some amazing feature'
)git push origin feature/amazing-feature
)贡献是使开源社区成为学习、激励和创造的惊人之处。非常感谢你所做的任何贡献。如果你有任何建议或功能请求,请先开启一个议题讨论你想要改变的内容。
该项目根据Apache-2.0许可证的条款进行许可。详情请参见LICENSE文件。
本项目采用 Apache 许可证。
Model Context Protocol - 让 AI 模型拥有与世界交互的能力
No configuration available
Related projects feature coming soon
Will recommend related projects based on sub-categories