mcp-registry by chun-wei0413 - MCP Server

MCP Registry

企業級 Model Context Protocol (MCP) Server，提供 RAG 智能知識管理系統。

🎯 專案概述

MCP Registry 提供生產級 MCP Server，讓 AI 助手（如 Claude、Gemini）能夠管理開發知識：

MCP Server	功能	狀態	用途
Context Provisioning	RAG 知識庫	✅ 生產就緒	專案文件語義搜尋與知識管理

🏗️ 專案結構

mcp-registry/
├── 📄 CLAUDE.md                  # Claude AI 規範
│
├── 📁 servers/                         # MCP Server 實作
│   └── 📁 context-provisioning/                  # Context Provisioning Server（RAG 知識庫）
│       ├── mcp_server.py               # FastMCP 伺服器（4 個工具）
│       ├── storage.py                  # ChromaDB + Sentence Transformers
│       ├── docker-compose.yml          # Docker 部署
│       ├── Dockerfile                  # 容器定義
│       ├── requirements.txt            # Python 依賴
│       └── README.md                   # Context Provisioning 說明
│
└── 📄 README.md                  # 本文件

🛠️ 技術棧

Context Provisioning Server（Python RAG）

語言: Python 3.11+
框架: FastMCP (Anthropic 官方 SDK)
向量搜尋: ChromaDB, Sentence Transformers (google/embeddinggemma-300m)
資料驗證: Pydantic
部署: Docker Compose

🚀 快速開始

方法 1: Docker Compose（推薦）

cd servers/context-provisioning
docker-compose up -d

# 查看日誌
docker-compose logs -f context-provisioning

方法 2: 本地開發

cd servers/context-provisioning
pip install -r requirements.txt
python mcp_server.py

🔧 核心功能

Context Provisioning Tools（Python RAG 系統）

文件管理

store_document - 讀取並儲存專案文件（.md, .json, .txt）
learn_knowledge - 手動新增知識點

語義搜尋

search_knowledge - 在知識庫上執行語義搜尋
retrieve_all_by_topic - 按主題檢索所有知識點

範例:

# 儲存專案規格
store_document(file_path="./Spec.md", topic="ProjectSpec")

# 查詢 Clean Architecture
search_knowledge(query="Clean Architecture", top_k=5)
# 返回: CA 相關的所有文件內容

📊 技術亮點

✅ RAG 知識管理系統（Context Provisioning）

向量語義搜尋 提升搜尋精準度
ChromaDB 內嵌式向量資料庫（零配置）
Sentence Transformers 本地嵌入模型
智能程式碼分離 v2.0（提升精準度 ~40%）

🧪 測試

cd servers/context-provisioning
pytest tests/

🔐 安全配置

# config.yaml
mcp:
  memory:
    database:
      type: chromadb                 # 內嵌式向量資料庫
      path: ./data/chroma
    embedding:
      model: google/embeddinggemma-300m       # 本地嵌入模型
      device: cpu                    # 或 cuda

📚 詳細文檔

📖 開發規範: - 完整開發規範
🐍 Context Provisioning: - Python RAG 系統完整說明

🎯 使用場景

專案知識管理（Context Provisioning）

# AI 助手儲存專案規格到 RAG 系統
store_document(file_path="./Spec.md")

# AI 助手查詢專案規範
search_knowledge(query="Clean Architecture 原則", top_k=3)

🔄 架構設計

Context Provisioning 向量搜尋流程

使用者查詢: "如何實現登入功能"
    ↓
SentenceTransformer: 文字 → 向量 [0.12, -0.34, 0.56, ...]
    ↓
ChromaDB: 向量相似度搜尋 (Cosine Similarity)
    ↓
返回 Top-K 最相關文件 + 相似度分數
    ↓
排序結果: [
  {"content": "JWT 登入實現...", "similarity": 0.92},
  {"content": "OAuth2 整合...", "similarity": 0.87},
  ...
]

📦 專案統計

指標	數值
Context Provisioning Python 模組	4
MCP Tools	4
Docker Compose 配置	1
文檔文件	5+

🤝 貢獻

歡迎貢獻！請遵循以下步驟：

Fork 此專案
建立特性分支 (git checkout -b feature/AmazingFeature)
提交變更 (git commit -m '[Feature Addition] Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
開啟 Pull Request

💬 支援與聯繫

📧 Email: a910413frank@gmail.com
📖 完整規範:

📄 授權

此專案使用 MIT 授權 - 詳見檔案

注意: 這是一個基於 RAG 的知識管理 MCP Server，設計用於與 LLM 配合使用。請確保在生產環境中正確配置安全設定，特別是知識庫存取權限。

chun-wei0413/mcp-registry