瀏覽 'RAG' MCP 資源

基於 Electron 和 React 的 MCP 客戶端示例，集成了像 Gemini 和 Vercel AI SDK 的 LLM 以實現平台通信。

Java AI 框架支持使用 LLM、功能調用、RAG、嵌入、流程、MCP 伺服器、客戶端進行完整場景的應用開發。

一款基於語言模型的聊天應用程序，具有 RAG、數據庫和 MCP 服務器功能，針對日本用戶進行優化。

提供最新的 Rust crate 文檔，幫助 AI 助手提高代碼準確性。

個人RAG的CLI工具，從Notion、Obsidian、Apple Notes中檢索數據，存儲在Qdrant中，並作為MCP伺服器公開。

一個本地的MCP伺服器，使用類似RAG的協議進行網絡搜索，無需API。

一個伺服器，通過為大型語言模型 (LLM) 編制文檔以實現高效的信息檢索來啟用檢索增強生成 (RAG)。

將 MCP 伺服器與語意核心連接，以便 LLM 能夠無縫調用外部工具。

此MCP可實現Ollama模型與其他應用程序之間的無縫集成，以進行高效的AI處理。

一個示範的 MCP 整合了增強的檢索生成，與文檔檢索和情境感知的提示生成。