mcp-ragdocs提供向量搜索功能的MCP服务器实现，方便AI助手通过检索和处理文档来增强他们的响应并包含相关的文档上下文。

— (0)

审阅者 Daniel Nikulshyn·更新 2026年7月

概览

RAG Documentation MCP Server 是一套实现，提供通过 vector search 检索和处理文档的工具。它使 AI 助手能够用相关文档上下文来增强其回答。服务器具备 vector-based 搜索与检索、支持多源、semantic search 能力以及自动化文档处理。它还为 LLM 提供实时上下文增强。提供三种主要工具：search_documentation，允许使用自然语言查询搜索已存储的文档；list_sources，列出系统中当前存储的所有文档来源；remove_documentation，通过其 URL 从系统中删除特定的文档来源。此外，服务器还包含一个队列管理系统，用于处理新的文档来源。用户可将服务器配置为与 Claude Desktop 等工具配合使用，旨在提升 AI 响应、构建面向文档的 AI 助手、为开发者创建上下文感知工具、实施语义文档搜索，并增强现有知识库。

主要功能

向量式文档搜索和检索
多个文档来源支持
语义搜索功能
自动化文档处理
实时LLM文档上下文增强

价格

模型: Free
分类: 服务配缩器
评分: 暂无评价

使用场景

增强AI响应

在回答时为AI响应增添相关文档上下文，提供更准确和有用更好的答案。

实现文档感知AI助手

为AI助手提供向量搜索检索和处理功能，从而增强他们的能力来提供包含上下文的响应。

实现语义文档搜索

通过使用向量搜索功能来实现语义文档搜索，从而允许更高效和高效的文档检索。

优点 & 缺点

优点

向量式文档搜索和检索
语义搜索功能
自动化文档处理
实时LLM文档上下文增强

缺点

每个检索查询仅支持20个结果
索引文档的质量受限

评测

登录以留下评测。

暂无评测。来当第一个吧!

问答

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