エージェントをOpenRAGナレッジベースにMCP経由で接続 は何をしますか？
OpenRAGのビルトインMCPエンドポイントを使用して、エージェントがドキュメントを取り込み、ナレッジベースを検索し、フィルターを作成し、デプロイ済みのOpenRAGインスタンスに対してRAGベースのチャットを実行できるようにします。
前提条件
OpenRAGのデプロイ; OpenRAG APIキー; Cursor、Claude Desktop、IBM Bob、またはその他のMCP対応エージェントランタイムなど、ストリーミングHTTPをサポートするMCPクライアント
インストール
最初にOpenRAGをデプロイまたは実行し、MCPクライアントをビルトインHTTPエンドポイントに接続します。
文書化されている自己管理型デプロイの場合は、Python、uv、およびDockerまたはPodmanをインストールし、アップストリームプロジェクトをクローンして設定します:
- git clone https://github.com/langflow-ai/openrag.git
- cd openrag
- cp .env.example .env
必要な.envの値（OPENSEARCH_PASSWORD、モデルプロバイダーの認証情報、Langflowの認証情報など）を設定します。次に、OpenRAGコンテナを起動する前に、文書化されているuvコマンド（scripts/docling_ctl.py start --port 5001）を使用してDoclingを起動します:
- docker compose up -d
ターミナル管理の評価用インストールでは、アップストリームではuvx --python 3.13 openragも文書化されています。
MCPクライアントが、REST APIで使用しているものと同じOpenRAG APIキーを使用して、実行中のOpenRAGインスタンスの/mcpに接続するように設定します:
{ "mcpServers": { "openrag": { "url": "http://localhost:3000/mcp", "headers": { "X-API-Key": "orag_your_api_key_here" } } } }
非推奨のopenrag-mcpパッケージをインストールしないでください。OpenRAGは現在、MCPを/mcpエンドポイントから直接提供しています。
- ソース: https://github.com/langflow-ai/openrag
- アップストリームドキュメントから抽出: https://raw.githubusercontent.com/langflow-ai/openrag/HEAD/README.md