配备RAG和多搜索功能的MCP服务器

这是一个自定义的MCP（模型调用协议）服务器，使用LlamaIndex提供RAG（检索增强生成）功能，并通过Google的Gemini 2.0 API和Linkup提供多种网络搜索选项。

功能

• 使用本地文档的RAG工作流程
• 多种网络搜索能力：
  • 使用Google的Gemini 2.0进行高级AI驱动的搜索
  • 使用Linkup进行传统的网络搜索
• 基于FastMCP构建

安装

先决条件

• Python 3.8或更高版本
• 本地安装Ollama并配备DeepSeek模型（或修改以使用您首选的模型）
• Gemini API密钥（在https://ai.google.dev/获取）
• Linkup API密钥（可选）

安装步骤

1. 克隆此仓库：

   git clone <repository-url>
   cd own-mcp-server
   

2. 安装所需依赖项：

   pip install -r requirements.txt
   

3. 设置环境变量（创建一个.env文件）：

   # 必需的API密钥
   GEMINI_API_KEY=your_gemini_api_key_here
   LINKUP_API_KEY=your_linkup_api_key_here
   
   # 可选配置
   OLLAMA_HOST=http://localhost:11434
   

4. 将文档添加到data目录中（如果不存在，会自动创建）

运行服务器

启动服务器：

python server.py

使用方法

该服务器提供了以下工具：

1. web_search：使用最佳可用搜索方法（优先选择Gemini 2.0，退而求其次使用Linkup）
2. gemini_search：使用Google的Gemini 2.0 AI进行搜索
3. linkup_search：使用Linkup进行搜索
4. rag：使用RAG查询您的本地文档

所需库

该项目使用了：

• llama-index - 核心RAG功能
• ollama - 本地LLM集成
• Google Generative AI SDK - Gemini 2.0集成
• Linkup SDK - 网络搜索能力
• FastMCP - MCP服务器实现
• Python-dotenv - 环境管理
• nest-asyncio - 异步支持

故障排除

如果您遇到问题：

1. 确保Ollama已正确安装并运行
2. 拉取DeepSeek模型：ollama pull deepseek-r1:1.5b
3. 如果遇到Python 3.13兼容性问题，请考虑降级至Python 3.11或3.10
4. 确认您的API密钥正确且具有必要的权限
5. 对于Gemini 2.0的问题，请确保您的API密钥可以访问最新模型