OlympHill
mcp-ragdocs logo

mcp-ragdocsΜια υλοποίηση διακομιστή MCP που προσφέρει εργαλεία ανάκτησης και επεξεργασίας τεκμηρίωσης μέσω διανυσματικής αναζήτησης, επιτρέποντας στους βοηθούς AI να ενισχύουν τις απαντήσεις τους με σχετικό τεκμηριακό υπόβαθρο

(0)
Daniel NikulshynΑξιολογήθηκε από Daniel Nikulshyn·Ενημερώθηκε Ιούλιος 2026

Επισκόπηση

Το RAG Documentation MCP Server είναι μια υλοποίηση που παρέχει εργαλεία για την ανάκτηση και επεξεργασία τεκμηρίωσης μέσω αναζήτησης διανύσματος. Αυτό επιτρέπει στους AI βοηθούς να ενισχύουν τις απαντήσεις τους με σχετικό συμφραζόμενο της τεκμηρίωσης. Ο server διαθέτει αναζήτηση και ανάκτηση με βάση το διάνυσμα, υποστήριξη για πολλαπλές πηγές, δυνατότητες σημασιολογικής αναζήτησης και αυτοματοποιημένη επεξεργασία τεκμηρίωσης. Προσφέρει επίσης ενίσχυση συμφραζομένων σε πραγματικό χρόνο για large language models (LLMs). Τρία βασικά εργαλεία προσφέρονται: search_documentation, που επιτρέπει την αναζήτηση μέσω αποθηκευμένης τεκμηρίωσης με φυσικά ερωτήματα γλώσσας, list_sources, που εμφανίζει όλες τις πηγές τεκμηρίωσης που αποθηκεύονται αυτήν τη στιγμή στο σύστημα, και remove_documentation, που αφαιρεί συγκεκριμένες πηγές τεκμηρίωσης από το σύστημα με βάση τους URLs τους. Επιπλέον, ο διακομιστής περιλαμβάνει ένα σύστημα διαχείρισης ουρών για την επεξεργασία νέων πηγών τεκμηρίωσης. Οι χρήστες μπορούν να ρυθμίσουν τον διακομιστή για χρήση με εργαλεία όπως το Claude Desktop, και έχει σχεδιαστεί για τη βελτίωση των AI απαντήσεων, την κατασκευή AI βοηθών που γνωρίζουν τη τεκμηρίωση, τη δημιουργία εργαλείων ευαισθητοποιημένων στο πλαίσιο για προγραμματιστές, την υλοποίηση σημασιολογικής αναζήτησης τεκμηρίωσης και την ενίσχυση υπαρχόντων βάσεων γνώσης.

Βασικές λειτουργίες

  • Αναζήτηση και ανάκτηση τεκμηρίωσης βάσει διανυσμάτων
  • Υποστήριξη πολλαπλών πηγών τεκμηρίωσης
  • Δυνατότητες σεμαντικής αναζήτησης
  • Αυτοματοποιημένη επεξεργασία τεκμηρίωσης
  • Πραγματοπραγμάτωση ενίσχυσης περιεχομένου σε πραγματικό χρόνο για LLMs

Τιμές

Μοντέλο
Free
Κατηγορία
Διευθυντές MCP
Βαθμολογία
Καμία κριτική ακόμα

Περιπτώσεις χρήσης

Βελτίωση απαντήσεων AI

Ενίσχυση των απαντήσεων AI με σχετικό τεκμηριακό υπόβαθρο για παροχή πιο ακριβών και ενημερωτικών απαντήσεων.

Κατασκευή AI βοηθών που είναι ενημερωμένοι με τεκμηρίωση

Επιτρέπει στους AI βοηθούς να ανακτούν και να επεξεργάζονται τεκμηρίωση μέσω διανυσματικής αναζήτησης, ενισχύοντας τη δυνατότητά τους να παρέχουν απαντήσεις με γνώριμα το πλαίσιο.

Υλοποίηση σεμαντικής αναζήτησης τεκμηρίωσης

Χρήση των δυνατοτήτων διανυσματικής αναζήτησης για την υλοποίηση σεμαντικής αναζήτησης τεκμηρίωσης, επιτρέποντας πιο αποδοτική και αποτελεσματική ανάκτηση τεκμηρίωσης.

Υπέρ και κατά

Υπέρ

  • Αναζήτηση και ανάκτηση τεκμηρίωσης βάσει διανυσμάτων
  • Δυνατότητες σεμαντικής αναζήτησης
  • Αυτοματοποιημένη επεξεργασία τεκμηρίωσης
  • Πραγματοπραγμάτωση ενίσχυσης περιεχομένου σε πραγματικό χρόνο για LLMs

Κατά

  • Περιορισμένο σε 20 αποτελέσματα ανά ερώτημα αναζήτησης
  • Εξαρτάται από την ποιότητα των ευρετηριασμένων τεκμηρίων

Κριτικές

Σύνδεση για κριτική.

Καμία κριτική. Γίνε ο πρώτος!

Ερωτήσεις

What happens if the indexed documentation quality is low?

The system’s effectiveness relies on the quality of the indexed content; poor or inconsistent documentation can lead to inaccurate or irrelevant search results despite the semantic search capability.

Asked by Amara Chukwu · May 8, 2026

How does mcp-ragdocs perform semantic search?

It uses vector-based embeddings to convert queries and documents into numerical vectors, enabling similarity matching beyond keyword look‑ups for more accurate, context‑aware results.

Asked by Mustafa Yilmaz · May 6, 2026

Can mcp-ragdocs handle multiple documentation sources at once?

Yes. It supports adding, listing, and removing documentation from multiple sources. The list_sources tool shows all currently indexed sources, and remove_documentation can delete any source by its URL.

Asked by Nour Khalil · Apr 18, 2026

What is the maximum number of results returned per search query in mcp-ragdocs?

The tool limits each search query to a maximum of 20 results. This cap is hard‑coded and ensures quick response times during real‑time context augmentation.

Asked by Amina Diallo · Apr 17, 2026

Κάνε μια ερώτηση

Εναλλακτικές για Διευθυντές MCP

Playwright MCP logo

Playwright MCP

Διευθυντές MCP

Διακομιστής MCP ανοιχτού κώδικα που επιτρέπει στα LLM να ελέγχουν πραγματικούς προγράμματα περιήγησης μέσω Playwright και στιγμιότυπων προσβασιμότητας.

4.8 (6)
Free
P

Pydantic AI

Διευθυντές MCP

Πλαίσιο Python agents από την ομάδα Pydantic για δημιουργία εφαρμογών GenAI με εγγυημένη ασφάλεια τύπων.

4.8 (6)
Free
C

Cognee

Διευθυντές MCP

Αдаптивший επίπεδος μνήμης που βοηθά τους πράκτορες AI να μαθαίνουν από το контέκスト με το χρόνο.

4.8 (5)
Free
Inbox Zero logo

Inbox Zero

Διευθυντές MCP

Βοηθός e‑mail με τεχνητή νοημοσύνη που οργανώνει, συντάσσει απαντήσεις και σας βοηθά να φτάσετε στο inbox zero πιο γρήγορα.

4.8 (4)
Free
Screenpipe logo

Screenpipe

Διευθυντές MCP

Ανοιχτού κώδικα, 24/7, τοπική εγγραφή οθόνης και ήχου για την ανάπτυξη εφαρμογών AI που αντιλαμβάνονται το περιεχόμενο

4.8 (4)
Free
AgentKit logo

AgentKit

Διευθυντές MCP

Συγκρότημα TypeScript για την κατασκευή και την χειρισμό αυτοματοποιημένων.agent με δόμησης εργαλείων, μνήμης και workflows πολυ-AGENT.

4.5 (4)
Free
onchain-mcp logo

onchain-mcp

Διευθυντές MCP

Συνεισφέρουμε το onchain API του Bankless στον MCP

(0)
26Free
markitdown logo

markitdown

Διευθυντές MCP

Python εργαλείο για τη μετατροπή αρχείων και εγγράφων γραφείου σε Markdown.

(0)
23Free