Le serveur MCP RAG est un serveur basé sur un protocole conçu pour doter les grands modèles de langage (LLM) de capacités de récupération. Il indexe des documents dans plusieurs formats tels que texte, markdown, JSON et CSV, et les divise en morceaux en fonction d'une taille configurable. Le serveur traite ces morceaux via des API d'embedding, stockant les vecteurs localement dans un magasin de vecteurs efficace basé sur SQLite. Lors de l'inférence, il intègre les requêtes des utilisateurs et récupère les morceaux de texte les plus pertinents, fournissant des réponses contextuelles. Cette configuration améliore l'exactitude et la pertinence des sorties des LLM lors de l'utilisation de collections de documents, ce qui le rend idéal pour les bases de connaissances, la recherche de documents et les questions sur les données d'entreprise. Le serveur expose divers outils et API pour la gestion des documents et les requêtes, soutenant une intégration fluide avec des clients et workflows personnalisés.