Local RAG

Realiza una búsqueda RAG local en tu consulta utilizando búsqueda web en vivo para la extracción de contexto.

GitHub
135
Prueba este MCPPatrocinado

Documentación

mcp-local-rag

Servidor de protocolo de contexto de modelo (MCP) de búsqueda web tipo RAG "primitivo" que se ejecuta localmente. ✨ sin APIs ✨

Un servidor de protocolo de contexto de modelo (MCP) de búsqueda web y investigación profunda basado en RAG que se ejecuta completamente en local. Cuenta con investigación multi-motor en más de 9 backends de búsqueda con clasificación por similitud semántica, y no requiere claves de API.

Open in GitHub Codespaces

Add MCP Server mcp-local-rag to LM Studio

Ask DeepWiki

%%{init: {'theme': 'base'}}%%
flowchart TD
    A[User] -->|1.Submits LLM Query| B[Language Model]
    B -->|2.Sends Query| C[mcp-local-rag Tool]
    
    subgraph mcp-local-rag Processing
    C -->|Search DuckDuckGo| D[Fetch 10 search results]
    D -->|Fetch Embeddings| E[Embeddings from Google's MediaPipe Text Embedder]
    E -->|Compute Similarity| F[Rank Entries Against Query]
    F -->|Select top k results| G[Context Extraction from URL]
    end
    
    G -->|Returns Markdown from HTML content| B
    B -->|3.Generated response with context| H[Final LLM Output]
    H -->|5.Present result to user| A

    classDef default stroke:#333,stroke-width:2px;
    classDef process stroke:#333,stroke-width:2px;
    classDef input stroke:#333,stroke-width:2px;
    classDef output stroke:#333,stroke-width:2px;

    class A input;
    class B,C process;
    class G output;

Características

Investigación Profunda Multi-Motor

El servidor admite capacidades integrales de investigación multi-motor que van más allá de las simples búsquedas de una sola consulta:

  • Más de 9 Backends de Búsqueda: DuckDuckGo, Google, Bing, Brave, Wikipedia, Yahoo, Yandex, Mojeek, Grokipedia
  • Investigación Multi-Tema: Busca múltiples consultas relacionadas simultáneamente
  • Clasificación Semántica: La puntuación de similitud tipo RAG clasifica los resultados más relevantes
  • Opciones de Privacidad: Elige motores centrados en la privacidad (DuckDuckGo, Brave) o integrales (Google)
  • Sin Claves de API Requeridas: Todo el procesamiento se ejecuta localmente con modelos integrados

Herramientas de Investigación Profunda

  1. deep_research - Investigación integral multi-motor

    • Busca en múltiples motores simultáneamente
    • Ideal para temas complejos que requieren perspectivas diversas
    • Backends y límites de resultados personalizables

  2. deep_research_google - Inmersión profunda centrada en Google

    • Aprovecha el índice integral de Google
    • Mejor para consultas técnicas/científicas

  3. deep_research_ddgs - Investigación profunda priorizando la privacidad

    • Usa DuckDuckGo para investigación privada y extensa
    • Excelente para temas generales sin seguimiento

  4. rag_search_ddgs y rag_search_google - Búsquedas únicas rápidas

    • Búsquedas rápidas y enfocadas cuando necesitas respuestas rápidas

Instalación

Localiza la ruta de configuración de tu MCP aquí o revisa la configuración de tu cliente MCP.

Ejecutar Directamente mediante uvx

Este es el método más fácil y rápido. Necesitas instalar uv para que funcione.
Añade esto a la configuración de tu servidor MCP:

{
  "mcpServers": {
    "mcp-local-rag":{
      "command": "uvx",
        "args": [
          "--python=3.10",
          "--from",
          "git+https://github.com/nkapila6/mcp-local-rag",
          "mcp-local-rag"
        ]
      }
  }
}

Usando Docker (recomendado)

Asegúrate de tener Docker instalado.
Añade esto a la configuración de tu servidor MCP:

{
  "mcpServers": {
    "mcp-local-rag": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "--init",
        "-e",
        "DOCKER_CONTAINER=true",
        "ghcr.io/nkapila6/mcp-local-rag:v1.0.2"
      ]
    }
  }
}

Habilidades del Agente

Este repositorio incluye Habilidades del Agente que enseñan a Claude cómo usar eficazmente las herramientas de mcp-local-rag para búsquedas web inteligentes e investigación profunda. Las habilidades son carpetas de instrucciones que Claude carga dinámicamente para mejorar el rendimiento en tareas especializadas.

Habilidades Disponibles

local-rag-search - Enseña a Claude las mejores prácticas para:

  • Selección inteligente de herramientas: Elegir entre búsquedas rápidas o investigación profunda integral
  • Investigación multi-motor: Usar múltiples backends de búsqueda para perspectivas diversas
  • Formulación efectiva de consultas: Escribir consultas en lenguaje natural que produzcan mejores resultados
  • Ajuste de parámetros: Ajustar num_results, top_k y la selección de backends para diferentes casos de uso
  • Búsqueda consciente de la privacidad: Usar por defecto motores centrados en la privacidad mientras se permiten búsquedas integrales cuando sea necesario

Casos de Uso de Investigación Profunda

La habilidad permite investigación integral de temas usando múltiples términos de búsqueda y motores. Es particularmente útil para inmersiones técnicas profundas que aprovechan la cobertura de documentación de Google, análisis multi-perspectiva que compara información entre diferentes motores de búsqueda, investigación centrada en la privacidad usando DuckDuckGo o Brave, y verificación de hechos mediante referencias cruzadas con Wikipedia y otras fuentes autorizadas.

Usando las Habilidades

En Claude Desktop:

  1. Ve a Configuración → Habilidades
  2. Haz clic en Agregar Habilidad → Agregar desde carpeta
  3. Selecciona skills/local-rag-search/

En conversaciones: Una vez cargada, simplemente pide a Claude que busque información y aplicará automáticamente las mejores prácticas de la habilidad. Prueba consultas como:

  • "Haz una investigación profunda sobre los desarrollos recientes en computación cuántica"
  • "Busca en múltiples fuentes soluciones de energía sostenible"
  • "Encuentra documentación técnica integral sobre optimización de Kubernetes"

Aprende más sobre las Habilidades del Agente en el Repositorio de Habilidades de Anthropic.

Consulta skills/README.md para instrucciones detalladas de uso y pautas de desarrollo de habilidades.

Auditorías de seguridad

MseeP realiza auditorías de seguridad en cada servidor MCP; puedes ver la auditoría de seguridad de este servidor MCP haciendo clic aquí.

Clientes MCP

El servidor MCP debería funcionar con cualquier cliente MCP que admita llamadas a herramientas. Ha sido probado en los siguientes clientes.

  • Claude Desktop
  • Cursor
  • Goose
  • ¿Otros? ¡Pruébalo tú!

Ejemplos en Claude Desktop

Cuando se le hace una pregunta a un LLM (como Claude) que requiere información web reciente, activará mcp-local-rag.

Cuando se le pide obtener/buscar/consultar la web, el modelo te solicita usar el servidor MCP para el chat.

En el ejemplo, le he preguntado sobre los últimos modelos Gemma de Google lanzados ayer. Esta es información nueva que Claude no conoce.

Resultado

mcp-local-rag realiza una búsqueda web en vivo, extrae el contexto y lo envía de vuelta al modelo, dándole conocimiento fresco:

Invítame un Café

Si el software que he construido te ha sido útil, por favor invítame un café, ¡lo apreciaría mucho! 😄

ko-fi

Contribuciones

¿Tienes ideas o quieres mejorar este proyecto? ¡Las issues y pull requests son bienvenidas!

Licencia

Este proyecto está licenciado bajo la Licencia MIT.