$ loading_
帮助开发者构建支持混合检索与智能推理的生产级 RAG 系统。
该 MCP 工具材料显示其为开源、MIT 许可，且未声明需要密钥或连接远程端点，整体未见明显高风险红旗。主要注意点在于其会执行本地代码，且来源虽可审计但社区采用度低、维护状态未知，建议在隔离环境中审阅后使用。
材料明确标注“需要的密钥/环境变量：无”，未见要求 API key、token 或其他敏感凭证，因此凭证泄露与滥用面较低。
材料标注“远程端点 host：无”，README 也未说明会连接外部服务；基于现有事实，未见明确的数据外发路径。但因文档较少，实际运行前仍应核对源码中的联网行为。
系统检查项明确包含 executes-code，说明该工具具备本机执行代码/起进程能力；这属于 MCP 工具常见能力，本身不足以定为高风险，但应在受限环境中运行并审查其可调用的系统能力。
描述称其可构建 RAG 系统并进行检索，通常意味着会处理本地知识库或输入数据；但提供材料未说明具体读写范围、目录边界或是否持久化数据。未见明确过度授权证据，但数据访问边界不清晰，需留意。
正面因素是其有公开 GitHub 仓库且为 MIT 开源，源码原则上可审计；但来源为 third_party_registry，社区采用度仅 0 star，维护状态未知，缺少 README 细节，供应链成熟度与持续维护信号偏弱。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Modular RAG MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 Modular RAG MCP Server 设计一个面向企业内部文档的 RAG 方案，要求包含文档接入、向量索引、关键词+语义混合检索、回答生成，以及在 Claude Desktop 中通过 MCP 调用的整体架构说明。
一份企业知识库 RAG 架构方案，说明核心模块、检索流程与 MCP 集成方式。
我正在构建一个生产环境 RAG 应用，请基于 Modular RAG MCP Server 给出优化建议：如何配置混合检索、重排序、上下文压缩和 agentic reasoning，以提升回答准确率并降低延迟。
一组可执行的性能与效果优化建议，包括模块配置方向与取舍说明。
请说明如何将 Modular RAG MCP Server 接入 Claude Desktop，包括 MCP 服务配置、可暴露的工具能力、典型调用流程，以及调试和部署时的注意事项。
一份 Claude Desktop 接入指南，涵盖配置步骤、调用方式与部署注意点。
帮助用户构建并查询向量知识库，实现文档语义检索与增强生成。