What is Ragdb Mcp

ragdb-mcp is a RAG system compatible with MCP that allows for fast natural language searches by vectorizing Markdown documents. It supports LibSQL, Qdrant, and PostgreSQL databases.

Use cases

Use cases include saving and searching technical documentation, managing project notes, and integrating with chat systems for interactive document queries.

How to use

To use ragdb-mcp, install the system and manage documents through an MCP-compatible chat by simply entering commands. You can save Markdown files as vectors in RAGDB and perform searches using natural language queries.

Key features

Key features include document storage and search capabilities, bulk registration of Markdown files, and support for three database options: LibSQL for local use, Qdrant for cloud support, and PostgreSQL for handling large datasets.

Where to use

ragdb-mcp can be used in various fields such as software development, documentation management, and any area requiring efficient document retrieval and management through natural language processing.

RAG MCP Server（RAGDB)

MCP対応チャットで、RAGDBを管理/検索できるMCPです。

🤖 MCP対応チャットでとMCPについて

• このシステムをインストールすると、MCP対応チャットで文書をRAGDBに保存・ベクトル検索ができるようになります。
• コマンドを入力するだけで、MCP対応チャットで文書を管理できます。
• Markdown形式のドキュメントをベクトル化して保存します。

✨ できること

📚 文書の保存と検索

• 文書を保存: Markdownファイルをemmbeddingでベクトル化してRAGDBに保存
• 質問で検索: 「この技術の使い方は？」のような質問で検索
• Markdownファイル一括登録: スクリプトMarkdownファイルをRAGDBに一括登録できます。

💾 3つのデータベース選択肢

• LibSQL :ローカルファイルで動作し、DBサーバーを必要としません。
• Qdrant :クラウド対応で、大量データ対応です。
• PostgreSQL: 大量データ対応（テスト中ですが動作確認済）

🚀 始め方

前提条件

• libsqlを利用する場合は、libsqlのデータベースファイルが自動作成されます。
• PgvectorやQdrantを利用する場合はDBサーバーが必要です。（Docker環境をお勧めします。）
• 埋め込みプロバイダーのAPIキー（OpenAI または Google）

VS CodeおよびClaude Desktopでの使用

手動インストールの場合、VS CodeのUser Settings (JSON)ファイルに以下のJSONブロックを追加してください。Ctrl + Shift + Pを押してPreferences: Open User Settings (JSON)と入力することで設定ファイルを開けます。

そのほかのDBの例は、jsonフォルダのサンプルをご覧ください。
INDEXについてはデフォルトでdocumentsを設定していて、必要に応じて追加してください。

{
  "mcpServers": {
    "rag-server": {
      "command": "node",
      "args": [
        "your-ragdb-mcp-path/rag-mcp/dist/index.js"
      ],
      "env": {
        "RAG_DATABASE_TYPE": "libsql",
        "RAG_CONNECTION_URL": "file:your-ragdb-mcp-path/rag-mcp/libsql/rag.db",
        "EMBEDDING_PROVIDER": "google",
        "EMBEDDING_MODEL": "text-embedding-004",
        "EMBEDDING_API_KEY": "your-google-api-key",
        "EMBEDDING_DIMENSIONS": "768",
        "RAG_CHUNK_SIZE": "512",
        "RAG_CHUNK_OVERLAP": "50",
        "RAG_TOP_K": "5",
        "RAG_STRATEGY": "markdown",
        "AUTO_CREATE_INDEXES": "documents,technical",
        "LOG_LEVEL": "info"
      }
    }
  }
}

環境変数の設定

利用可能なツール

基本的な使用例

1. インデックス作成：

   create_index indexName="my-docs"
   

2. ドキュメント追加：

   add_document content="# プロジェクト概要\n\nこのプロジェクトは..." metadata={"title": "プロジェクト概要", "category": "技術文書"}
   

3. 質問で検索：

   rag_search question="このプロジェクトの目的は何ですか？"
   

4. ドキュメント一覧表示：

   list_documents limit=10
   

📄 ライセンス

自由に使用・改変・商用利用可能です。
MCPを通常使用する場合、商用利用は可能ですが

ただしRAGDBとのやり取りや処理は、mastraのライブラリを利用して実装しています。

mastraはElastic License 2.0のため、例えばMastraのPlayground部分をそのままSaasサービスとして
提供したりすることできないので注意してください。

詳しくは以下もご覧ください。
https://mastra.ai/ja/docs/faq#elastic-license-20-elv2

🤝 改善提案・バグ報告

不具合を見つけた方、改善アイデアをお持ちの方は、GitHubのIssuesまでお知らせください。

🎉 MCP対応チャットでがあなた専用の文書検索アシスタントになります！