RAG Documentation

RAG Documentation MCP Server

Un servidor MCP que proporciona herramientas para recuperar y procesar documentación mediante búsqueda vectorial, permitiendo a los asistentes de IA enriquecer sus respuestas con contexto documental relevante.

Características

• Búsqueda y recuperación de documentación basada en vectores
• Soporte para múltiples fuentes de documentación
• Capacidades de búsqueda semántica
• Procesamiento automatizado de documentación
• Aumento de contexto en tiempo real para LLMs

Herramientas

search_documentation

Busca en la documentación almacenada mediante consultas en lenguaje natural. Devuelve fragmentos coincidentes con contexto, ordenados por relevancia.

Entradas:

• query (string): El texto a buscar en la documentación. Puede ser una consulta en lenguaje natural, términos específicos o fragmentos de código.
• limit (number, opcional): Número máximo de resultados a devolver (1-20, por defecto: 5). Límites más altos proporcionan resultados más completos pero pueden tardar más en procesarse.

list_sources

Lista todas las fuentes de documentación actualmente almacenadas en el sistema. Devuelve una lista completa de toda la documentación indexada, incluyendo URLs de origen, títulos y fechas de última actualización. Úsalo para entender qué documentación está disponible para búsqueda o para verificar si fuentes específicas han sido indexadas.

extract_urls

Extrae y analiza todas las URLs de una página web determinada. Esta herramienta rastrea la página web especificada, identifica todos los hipervínculos y, opcionalmente, los añade a la cola de procesamiento.

Entradas:

• url (string): La URL completa de la página web a analizar (debe incluir el protocolo, p. ej., https://). La página debe ser de acceso público.
• add_to_queue (boolean, opcional): Si es true, añade automáticamente las URLs extraídas a la cola de procesamiento para su posterior indexación. Úsalo con precaución en sitios grandes para evitar una cola excesiva.

remove_documentation

Elimina fuentes de documentación específicas del sistema mediante sus URLs. La eliminación es permanente y afectará a los resultados de búsqueda futuros.

Entradas:

• urls (string[]): Matriz de URLs a eliminar de la base de datos. Cada URL debe coincidir exactamente con la URL utilizada cuando se añadió la documentación.

list_queue

Lista todas las URLs que esperan actualmente en la cola de procesamiento de documentación. Muestra las fuentes de documentación pendientes que se procesarán cuando se llame a run_queue. Úsalo para supervisar el estado de la cola, verificar que las URLs se añadieron correctamente o comprobar el trabajo pendiente de procesamiento.

run_queue

Procesa e indexa todas las URLs actualmente en la cola de documentación. Cada URL se procesa secuencialmente, con manejo de errores y lógica de reintentos adecuados. Se proporcionan actualizaciones de progreso durante el procesamiento. Las operaciones de larga duración procesarán hasta que la cola esté vacía o se produzca un error irrecuperable.

clear_queue

Elimina todas las URLs pendientes de la cola de procesamiento de documentación. Úsalo para restablecer la cola cuando quieras empezar de nuevo, eliminar URLs no deseadas o cancelar el procesamiento pendiente. Esta operación es inmediata y permanente: las URLs deberán volver a añadirse si deseas procesarlas más adelante.

Uso

La herramienta RAG Documentation está diseñada para:

• Mejorar las respuestas de IA con documentación relevante
• Construir asistentes de IA conscientes de la documentación
• Crear herramientas contextuales para desarrolladores
• Implementar búsqueda semántica de documentación
• Aumentar las bases de conocimiento existentes

Configuración

Uso con Claude Desktop

Añade esto a tu claude_desktop_config.json:

{
  "mcpServers": {
    "rag-docs": {
      "command": "npx",
      "args": [
        "-y",
        "@hannesrudolph/mcp-ragdocs"
      ],
      "env": {
        "OPENAI_API_KEY": "",
        "QDRANT_URL": "",
        "QDRANT_API_KEY": ""
      }
    }
  }
}

Deberás proporcionar valores para las siguientes variables de entorno:

• OPENAI_API_KEY: Tu clave de API de OpenAI para la generación de embeddings
• QDRANT_URL: URL de tu instancia de base de datos vectorial Qdrant
• QDRANT_API_KEY: Clave de API para autenticarse con Qdrant

Licencia

Este servidor MCP está licenciado bajo la Licencia MIT. Esto significa que eres libre de usar, modificar y distribuir el software, sujeto a los términos y condiciones de la Licencia MIT. Para más detalles, consulta el archivo LICENSE en el repositorio del proyecto.

Agradecimientos

Este proyecto es un fork de qpd-v/mcp-ragdocs, desarrollado originalmente por qpd-v. El proyecto original proporcionó la base para esta implementación.