通过 MCP 将代理连接到 OpenRAG 知识库

通过 MCP 将代理连接到 OpenRAG 知识库 是做什么的？

使用 OpenRAG 的内置 MCP 端点，让 AI 代理能够摄取文档、搜索知识库、创建过滤器，并针对已部署的 OpenRAG 实例运行基于 RAG 的聊天。

前提条件

OpenRAG 部署；OpenRAG API 密钥；支持可流式 HTTP 的 MCP 客户端，例如 Cursor、Claude Desktop、IBM Bob 或其他支持 MCP 的代理运行时

安装

首先部署或运行 OpenRAG，然后将 MCP 客户端连接到内置的 HTTP 端点。

对于文档中说明的自管理部署，请安装 Python、uv 以及 Docker 或 Podman，然后克隆并配置上游项目：

• git clone https://github.com/langflow-ai/openrag.git
• cd openrag
• cp .env.example .env

配置所需的 .env 值，例如 OPENSEARCH_PASSWORD、模型提供商凭据和 Langflow 凭据。然后使用文档中说明的 uv 命令启动 Docling：scripts/docling_ctl.py start --port 5001，之后再启动 OpenRAG 容器：

• docker compose up -d

对于终端管理的评估安装，上游文档也说明了 uvx --python 3.13 openrag。

将你的 MCP 客户端配置为在 /mcp 使用正在运行的 OpenRAG 实例，并使用与 REST API 相同的 OpenRAG API 密钥：

{
  "mcpServers": {
    "openrag": {
      "url": "http://localhost:3000/mcp",
      "headers": {
        "X-API-Key": "orag_your_api_key_here"
      }
    }
  }
}

请勿安装已弃用的 openrag-mcp 包；OpenRAG 现在直接从 /mcp 端点提供 MCP 服务。

• 来源：https://github.com/langflow-ai/openrag
• 摘自上游文档：https://raw.githubusercontent.com/langflow-ai/openrag/HEAD/README.md

文档

• https://github.com/langflow-ai/openrag/tree/main/sdks/mcp

来源

• Agent Skill Exchange