返回 MCP 目录
public公开dns本地运行

mcp_rag_llm

基于RAG和智能路由的多代理AI对话系统,通过分层架构实现用户查询分类与专业化处理。

article

README

🚀 项目结构说明

本项目采用分层架构设计,各层分工明确,便于开发和维护。以下为你详细介绍项目的具体结构:

项目根目录

project-root/

配置层(SYSTEM CONFIGURATION)

├── config/                 # 系统配置
│   └── settings.py         # API密钥、模型设置、环境变量

模板层(Prompt Management)

├── prompts/                # 第一层:模板层
│   ├── __init__.py
│   ├── router_prompts.yaml # 分类逻辑提示
│   └── agent_prompts.yaml  # 专业代理(技术、销售等)提示

RAG层

├── infrastructure/         # 第二层:RAG层
│   ├── __init__.py
│   └── database.py         # RAG的向量数据库与数据索引

路由与执行层

├── core/                   # 第三层和第四层:路由与执行层
│   ├── __init__.py
│   ├── llm_client.py       # OpenAI/Anthropic/Gemini/Ollama的包装器
│   ├── router.py           # 分类/识别用户查询的逻辑
│   └── executor.py         # 获取提示并执行推理的逻辑

服务层(MCP & Utilities)

├── services/               # 服务层
│   ├── __init__.py
│   └── logger.py           # 日志记录、搜索和数据库服务连接器

接口层(Entry point)

├── main.py                 # 第五层:接口层(入口点)

项目依赖

└── requirements.txt        # 项目依赖
help

运行方式说明

cloud

托管运行

托管运行通常表示这个 MCP Server 由服务方环境承载,用户一般按页面提供的连接方式或授权流程接入,不需要在本地长期启动一个 MCP 进程

  1. 打开服务方连接页
  2. 完成授权或复制端点
  3. 在 MCP 客户端中连接
terminal

本地运行 / 其它方式

本地运行通常需要用户在自己的电脑或服务器上安装依赖,把 server_config 复制到 MCP 客户端,并按 env_schema 补齐环境变量、密钥或其它配置

  1. 复制 server_config
  2. 安装所需依赖
  3. 补齐环境变量后重启客户端