在本地文档中向量检索并增强大模型回答
该 MCP 工具的声明功能集中在本地文档检索增强生成,材料未显示需要密钥或连接远程端点,整体未见明显高风险红旗。主要风险点在于其会在本地执行代码并访问本地文件夹,且项目来源虽开源但社区采用和维护信息较弱,建议在受限环境中使用。
材料明确标注无需密钥或环境变量,未见 API token、账号凭证或其他敏感认证信息的配置要求,因此凭证泄露与滥用面较低。
材料标注无远程端点,描述也仅提到在本地文件夹中搜索文档;基于现有信息,未见会将用户数据发送到外部服务的证据。
系统检查项显示该工具具备执行代码能力;作为 MCP 工具,这通常意味着会在本机运行进程或执行本地逻辑。材料未显示超出其声明用途的系统权限申请,但仍应视为需留意的本地执行面。
其核心功能是搜索本地文件夹中的多格式文档,说明至少需要读取本地文档内容并建立检索索引。当前材料未说明具体目录边界、是否写入索引文件或缓存,因此应限制其仅访问必要目录。
存在公开源码仓库,具备一定可审计性,这是正面因素;但来源为 third_party_registry,许可证未声明,社区采用度为 0 star,维护状态未知,可信度与持续维护证据偏弱,需自行复核代码与依赖。
复制安装指令,让 AI 自动完成配置 · 推荐新手
"rag_mcp" 暂无可直接复制的安装信息,请查看页面文档或源码仓库。
请基于本地 ./docs 中的合同条款,回答“违约责任”相关内容,并列出引用来源。
结合检索到的文档内容,给出带来源的准确回答。
搜索本地资料夹里的 PDF、DOCX、Markdown,整理出项目需求的关键结论和待办。
输出跨文件格式的检索结果、摘要和待办清单。
请在本地论文文件夹中检索关于“向量数据库”的相关段落,总结主要观点、共识与分歧。
给出基于文献检索的结构化综述。
帮助用户检索本地 Markdown 文档并返回完整原文内容