mcp
一个基于MCP协议，用于构建RAG语义搜索的Python服务器。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：mcp。 它的用途是：一个基于MCP协议，用于构建RAG语义搜索的Python服务器。 详细介绍见：https://321skill.com/skills/mcp-mcp-test-server/ 请根据该页面的说明完成安装。
使用示例
“帮我查一下我们项目Q3的技术架构文档里，关于数据库选型是怎么考虑的？” 它会自动查询您已接入的、包含项目文档的向量知识库，找到最相关的段落，并结合这些上下文为您总结出当时的决策依据和方案细节。或者，当您研究一个新领域时，可以说：“根据我上传的这几篇行业报告，总结一下当前AI智能体的主要技术挑战。” AI会从您的报告库中检索信息，生成一份有针对性的综述。
介绍
这个Skill解决的核心问题是，如何让AI模型能够高效、准确地访问和处理您私有的、非结构化的文档数据。它基于Model Context Protocol (MCP) 协议，将OpenAI的嵌入模型与向量数据库结合，为您的AI助手（如Claude）构建一个专属的、可检索增强生成（RAG）的语义搜索知识库。
使用方式上，您需要先部署这个Python服务器，它会将您提供的文档（如TXT、PDF、Markdown文件）进行文本提取、分块，并利用OpenAI的嵌入模型转换为向量，存储到本地的向量数据库中。之后，您可以将这个服务器作为MCP资源连接到支持MCP的AI客户端（如Claude Desktop）。当您向AI提问时，它会自动查询这个向量库，找到最相关的文档片段作为上下文，从而给出更精准的回答。
它非常适合需要让AI深度理解并利用特定领域知识的开发者和技术团队。例如，智能体开发者可以为其AI Agent接入公司内部文档，数据分析师可以构建专属的数据分析报告知识库，或者学术研究者可以管理自己的文献库。
在使用时，请注意：您需要自行准备OpenAI API密钥以生成向量，并确保运行服务器的环境能够访问相关API。同时，文档的预处理质量（如分块大小、格式清洗）会直接影响最终的检索效果，建议根据您的文档类型进行调整和优化。
核心特点
与许多需要复杂配置或绑定特定云服务的RAG方案不同，它严格遵循MCP协议，可以作为一个标准化的“数据源”轻松接入Claude等主流AI平台，实现开箱即用的私有知识库扩展。其核心在于提供了一个轻量、可本地化部署的Python服务器，让开发者能快速将私有文档转化为AI可查询的语义化资源。
注意事项
不适合处理实时性要求极高的数据或作为需要复杂逻辑推理和实时计算的生产级搜索服务。
常见问题
MCP是什么？一定要用Claude吗？
MCP（Model Context Protocol）是Anthropic提出的一种协议，用于标准化AI模型与外部工具、数据源的连接。虽然Claude原生支持MCP，但任何实现了MCP客户端的AI平台或工具理论上都可以使用这个服务器。
支持哪些格式的文档？
根据其技术栈（通常基于PyMuPDF、langchain等），一般支持TXT、PDF、Markdown、HTML等常见文本格式，具体需查看项目文档。