MCP-RagDoc

Document RAG MCP แบบ agent-agnostic สำหรับ Word/PDF/Office และเอกสารสแกน เก็บดัชนีใน SQLite, ใช้ FTS5/BM25 + OCR fuzzy + optional MiniLM และรักษา source path/page ให้ตรวจย้อนกลับได้

ต้องการเครื่อง: macOS Apple Silicon, Python 3.11 Active Development

ดูซอร์สโค้ดบน GitHub → · ดาวน์โหลด →

ใช้ทำอะไรได้บ้าง

บทความในหมวดนี้

เริ่มต้นใช้งาน MCP-RagDoc

สร้างคลัง Word/PDF/Office/เอกสารสแกนในเครื่องด้วย SQLite FTS5/BM25 + OCR fuzzy + optional MiniLM พร้อม source path/page provenance และ MCP 3 tools

MCP-RagDoc ทำงานอย่างไร — Document RAG ที่รักษา source truth

เจาะลึก MCP-RagDoc ตั้งแต่ recursive extraction/OCR, SQLite lexical index, optional MiniLM semantic generation, RRF fusion, persistent sync jobs และ provenance ไปถึงไฟล์/หน้าเดิม

MCP-RagDoc 3 tools — rag_search, rag_manage และ rag_status

คู่มือ MCP surface ของ MCP-RagDoc ที่รวมเป็น 3 tools: rag_search ค้นเอกสาร, rag_manage(action) เริ่ม/ยกเลิก sync และ rag_status(view) ตรวจ health หรือสถานะ job พร้อมขอบเขต source/state