$ loading_
为文档搜索提供混合检索、重排、安全防护与追踪能力的 MCP 工具。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"hybrid-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。
请使用 search_docs 在项目文档中查找“如何配置混合检索和 cross-encoder 重排”，并返回最相关结论。
返回与配置方法相关的文档片段或总结，优先展示最相关结果。
请用 search_docs 搜索“这个系统有哪些防提示注入保护和评估机制”，整理成要点。
输出关于防护与评估能力的关键要点及对应文档依据。
请使用 search_docs 查找与 OpenTelemetry tracing 相关的文档内容，并按相关性排序列出。
给出按相关性排序的 tracing 相关文档结果或摘要。
开发者在构建基于文档问答的 MCP 工作流时，可用它提供混合检索和重排能力，提高命中文档的相关性。它还适合需要更稳健检索链路的 AI 应用场景。
当团队担心提示注入影响检索与问答结果时，可以利用该工具的 guardrails 强化安全性。它适用于对文档检索安全有明确要求的场景。
需要持续跟踪检索表现的团队，可利用其 evaluation 与 OpenTelemetry tracing 能力观察效果与调用链路。适合重视可观测性和质量验证的开发环境。
这是一个 MCP server，提供 search_docs 工具用于文档搜索。它结合 BM25、稠密向量检索和 cross-encoder 重排，以提升搜索相关性。
给定信息显示它包含 evaluation、prompt-injection guardrails 和 OpenTelemetry tracing。也就是说，它不仅关注检索效果，还关注安全防护与可观测性。
当前素材未提供安装步骤、运行时要求或密钥信息。具体前置条件请见源码仓库。
提供基于RAG的知识检索与文档管理，支持混合搜索、重排和检索可视化。
通过向量检索获取并处理文档，为 AI 回答补充精准上下文。
帮助用户在本地 Markdown 知识库中进行混合语义检索与智能重排序
为大模型代理提供本地 PDF 文档的混合检索与引用上下文。
通过 MCP 对自托管公共数据索引进行混合检索与语义搜索
将非结构化文档转为可检索知识库，并通过 MCP 提供检索能力给 AI 代理调用。