返回 AI 工具目录
shinpr/mcp-local-rag
MCP 服务人工精选最近核验 2026年7月24日
面向开发者的本地优先 RAG 服务,可作为 MCP 服务器或命令行使用。它把 PDF、DOCX、TXT、Markdown 文档做语义分块并在本机生成向量,检索时以向量搜索为主、叠加关键词加权,让 useEffect、错误码、类名等精确技术词也能排到前面。全流程在本地运行,不需要 API key,首次下载模型后可离线工作,文档不出本机。提供 ingest_file、query_documents、read_chunk_neighbors、list_files、status 等 7 个工具,并可选对含图表的 PDF 用本地 VLM 生成辅助说明文字。定位是给编码助手一个私有、零外部依赖的代码与技术文档检索层。
定价开源部署本地运行国内可达国内可达
解决什么问题
- 让编码助手检索本地代码与技术文档
- 语义检索叠加关键词加权命中精确术语
- 按语义分块并按相关性差距过滤结果
- 全程本地运行文档不出本机
- 一条 npx 命令启动无需 Docker 或 Python
适合
- 需要私有、离线的文档问答场景
- 代码库与技术规范的语义检索
- Cursor、Codex、Claude Code 等 MCP 客户端
- 介意文档上传外部 API 的团队
不适合
- 首次需下载嵌入模型占用本地资源
- 视觉模式仅生成辅助字幕非 OCR 或图像检索
- 不是面向海量文档的分布式检索
- 需要云端多人共享索引时不适用
如何接入
- 以 MCP 服务器接入编码工具
- 也可作为 CLI 直接 ingest 与 query
- 通过 BASE_DIR 或 BASE_DIRS 指定可检索目录
- 索引存本地向量库不依赖外部服务
已知限制
- 嵌入模型首次从 HuggingFace 下载国内可能偏慢
- 视觉模式吃 CPU 且质量档占磁盘较大
- 检索精度受分块与本地模型能力限制
- 无内置权限或多租户隔离
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- TypeScript
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
- 代码仓库仅作事实索引