ragflow
将RAGFlow知识库与AI助手无缝集成的MCP服务器工具。
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：ragflow。 它的用途是：将RAGFlow知识库与AI助手无缝集成的MCP服务器工具。 完整的 Skill 内容见：https://321skill.com/skills/ragflow/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我查一下我们项目中关于用户认证微服务的API设计规范。”，它会通过集成的RAGFlow MCP服务器，在你配置的知识库中检索相关文档，并返回准确的规范内容和示例。或者，在调试一个复杂错误时，你可以说：“根据知识库，历史上是怎么解决‘数据库连接池耗尽’这个问题的？”，它会找出相关的故障复盘记录和解决方案。
介绍
RAGFlow API MCP集成工具旨在解决开发者在不同开发环境中（如Claude Desktop、Cursor、Windsurf）难以便捷调用RAGFlow知识库进行智能问答和文档查询的问题。它通过实现MCP（Model Context Protocol）协议，将RAGFlow的RAG（检索增强生成）能力以标准化接口形式提供给AI助手，从而打破环境壁垒。
使用方式非常简单，开发者只需将此MCP服务器配置到支持MCP的AI客户端（如Claude Desktop）中，即可在编写代码、查阅文档或分析问题时，直接通过自然语言对话查询已构建好的RAGFlow知识库，获取基于私有文档的精准答案，无需离开开发环境或手动调用API。
它非常适合需要频繁参考内部技术文档、产品需求、代码规范或项目知识的开发者和技术团队，尤其是那些已经在使用RAGFlow管理知识库并希望提升信息检索效率的用户。无论是全栈开发在编码时查询API用法，还是运维工程师在排查故障时搜索历史解决方案，都能从中受益。
使用前，请确保你已拥有可访问的RAGFlow服务实例及相应的API密钥。配置时需准确填写RAGFlow服务器的地址和认证信息。由于该工具的核心是桥接作用，其查询效果和响应速度很大程度上依赖于后端RAGFlow服务的能力以及知识库本身的质量与构建方式。
核心特点
核心区别在于它专为RAGFlow设计，提供了开箱即用的MCP协议集成，让开发者能在支持MCP的各种AI客户端内直接、原生地调用RAGFlow的检索与聊天功能，而无需自行封装API或切换工具。
注意事项
不适合未部署RAGFlow服务或无需在开发环境中集成知识库查询功能的用户。
常见问题
什么是MCP？
MCP（Model Context Protocol）是一种协议，允许AI助手（如Claude）安全地连接和使用外部工具、数据源及服务。
需要自己部署RAGFlow吗？
是的，你需要有一个正在运行的RAGFlow服务实例，并获取其API访问地址和密钥才能使用此工具。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/ragflow/raw/index.md 读取 ragflow 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/ragflow/raw/index.md（查看排版版本）