透過MCP將代理連接到OpenRAG知識庫

透過MCP將代理連接到OpenRAG知識庫 是做什麼的？

使用OpenRAG內建的MCP端點，讓代理可以擷取文檔、搜尋知識庫、建立過濾器，並針對已部署的OpenRAG實例執行RAG支援的對話。

先決條件

已部署的OpenRAG；OpenRAG API金鑰；支援可串流HTTP的MCP用戶端，例如Cursor、Claude Desktop、IBM Bob或其他支援MCP的代理執行環境

安裝

首先部署或執行OpenRAG，然後將MCP用戶端連接到內建的HTTP端點。

對於自行管理的部署，請安裝Python、uv以及Docker或Podman，然後複製並設定上游專案：

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

設定必要的.env值，例如OPENSEARCH_PASSWORD、模型提供者憑證以及Langflow憑證。然後使用文件中說明的uv指令啟動Docling（使用scripts/docling_ctl.py start --port 5001），再啟動OpenRAG容器：

• docker compose up -d

對於終端機管理的評估安裝，上游也文件說明了uvx --python 3.13 openrag。

設定您的MCP用戶端，使其指向執行中的OpenRAG實例的/mcp路徑，並使用與REST API相同的OpenRAG API金鑰：

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

請勿安裝已棄用的openrag-mcp套件；OpenRAG現在直接透過/mcp端點提供MCP服務。

• 來源：https://github.com/langflow-ai/openrag
• 取自上游文件：https://raw.githubusercontent.com/langflow-ai/openrag/HEAD/README.md

文件

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

來源

• Agent Skill Exchange