timesfm
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
Semantic code & doc search with keyword boost. AST code nav, auto HF mirror, local, privacy-first.
Skills, die der KI diese Art Arbeit beibringen; sie funktionieren zusammen mit diesem
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
Open-source intelligence for the global theater. Track everything from the corporate/private jets of the wealthy, and spy satellites, to seismic events in one unified interface. Hook an AI agent up to have it parse through data and find previously unseen correlations. The knowledge is available to…
scrape data from Google Maps. Extracts data such as the name, address, phone number, website URL, rating, reviews number, latitude and longitude, reviews,email and more for each place
Listen sind nach einem Nutzungswert (von 100) aus diesen Teilen sortiert
| Beliebtheit | 14/80 | GitHub-Sterne oder wöchentliche Downloads: der größere Wert zählt 60, der kleinere 20 |
|---|---|---|
| Aktualität | 3/12 | Volle Punkte für Release oder Codeänderung in 30 Tagen |
| Antwortet noch | 0/8 | Der Cloud-Endpoint antwortete bei der letzten Prüfung |
| Nutzungswert | 17/100 |
Qualität: 3/3 Basisprüfungen bestanden (angezeigt, nicht zur Sortierung) · Schwung: Noch keine Daten (Nur im Tab Im Trend verwendet)
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
Mit einem Satz von deiner KI installieren lassen
Installiere bitte MCP Local Rag. Folge https://mcp.popnx.com/i/damoqiongqiu-mcp-local-rag.md, zeig mir die Befehle und warte auf mein OK, bevor du sie ausführst.Füge ihn in eine KI ein, die auf deinem Rechner arbeitet (z. B. Claude Code oder Cursor). Sie liest unsere Schritte, zeigt dir die Befehle und wartet auf dein OK. Kein Schlüssel, keine Anmeldung. · Vollständigen Text ansehen
3/3 Prüfungen bestanden · Läuft auf deinem Computer · ✓ Befehle geprüft am 14. Nov. 2026
Zuerst: Welche KI nutzt du?
Wähle deine App, dann erscheinen die Schritte unten.
Klappt mit Claude, aber erst etwas vorbereiten
1 Einstellung(en) auszufüllen (HTTPS_PROXY) · Installiere zuerst Node.js auf deinem Computer (nur einmal) · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy
Kopiere diese Nachricht in einen Claude-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server MCP Local Rag für Claude auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe Node.js mit node -v. Fehlt es, sag mir, dass ich es von https://nodejs.org/en/download installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "mcpServers": { "local-rag": { "command": "npx", "args": [ "-y", "@damoqiongqiu/mcp-local-rag" ], "env": { "HTTPS_PROXY": "your-value" } } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Lass bei HTTPS_PROXY "your-value" stehen und sag mir, dass ich den echten Wert selbst in die Datei oder das Feld der App einfüge. Bitte mich nie, einen Schlüssel in den Chat zu schreiben. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von MCP Local Rag wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
node -vMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: Öffne die offizielle Download-Seite, wähle die LTS-Version und den Klick-Installer: .pkg auf dem Mac · .msi unter Windows. Doppelklicken und bis zum Ende durchklicken. Kein curl-Befehl nötig
Download-Seite von Node.js öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: node -v
Einmal installieren, gilt für alles, was Node.js braucht
Das sind Programmeinstellungen, keine Schlüssel. Keine Registrierung nötig; wie vom Autor beschrieben ausfüllen.
HTTPS_PROXY HTTPS-Proxy-URL zum Herunterladen von Embedding-Modellen (z. B. http://proxy:8080). Nur erforderlich, wenn ein Unternehmensproxy verwendet wird. Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
SettingsDeveloperEdit Config
{
"mcpServers": {
"local-rag": {
"command": "npx",
"args": [
"-y",
"@damoqiongqiu/mcp-local-rag"
],
"env": {
"HTTPS_PROXY": "your-value"
}
}
}
}Nutze MCP Local Rag und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Claude sagt, dass es MCP Local Rag nutzt, oder ein Werkzeug von MCP Local Rag in der Antwort zeigt, bist du verbunden
Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.
BASE_DIR Basisverzeichnis für die Dokumentenspeicherung (Standard: aktuelles Arbeitsverzeichnis). Wird ignoriert, wenn BASE_DIRS gesetzt ist. BASE_DIRS JSON-Array von Basisverzeichnissen (z. B. '"/a","/b"'). Hat Vorrang vor BASE_DIR. DB_PATH Pfad zum LanceDB-Datenbankverzeichnis (Standard ist ./lancedb/) CACHE_DIR Verzeichnis, in dem Transformers.js-Modelle zwischengespeichert werden (Standard: ./models/) MODEL_NAME Name des Embedding-Modells (Standard ist Xenova/all-MiniLM-L6-v2) MAX_FILE_SIZE Maximale Dateigröße in Bytes (Standardwert ist 104857600 / 100MB) RAG_MAX_DISTANCE Maximum distance threshold for filtering search results. Results with distance greater than this value will be excluded. Lower values mean stricter filtering (e.g., 0.5 for high relevance only)RAG_GROUPING Grouping mode for quality filtering. 'similar' returns only the most similar group (stops at first distance jump). 'related' includes related groups (stops at second distance jump). Unset means no gr…RAG_MAX_FILES Maximum number of files to keep in search results. Results are filtered to include only chunks from the top N best-scoring files. For example, 1 returns only the single best-matching file's chunks. U…CHUNK_MIN_LENGTH Minimale Chunk-Länge in Zeichen (1-10000, Standardwert 50). Chunks, die kürzer als dieser Schwellenwert sind, werden während der Aufnahme herausgefiltert. RAG_DEVICE Execution device for the embedder (defaults to cpu). Passed straight to ONNX Runtime; see the Transformers.js device source for the supported backend names. If the requested device fails to initializ…RAG_DTYPE Embedding quantization dtype for the embedder (defaults to fp32). Opt-in and pass-through; accepts any dtype the chosen model provides (fp32, fp16, q8, int8, ...). If the model has no variant for the…RAG_HYBRID_WEIGHT Keyword boost factor for hybrid search (0.0-1.0, defaults to 0.6). 0 means semantic similarity only; higher values increase the keyword-match contribution to the final score.RAG_WATCH Aktiviert den automatischen Dateiwächter, der Änderungen erkennt und geänderte Dateien neu indiziert (true/1 zum Aktivieren). Nützlich während der aktiven Entwicklung. HF_ENDPOINT Explizite HuggingFace-Endpunkt-URL für Modell-Downloads. Ist sie gesetzt, wird die automatische Spiegelerkennung übersprungen und diese URL direkt verwendet. Nützlich bei einem vollständigen Spiegelserver. HF_AUTO_MIRROR Aktiviert die automatische Spiegelerkennung für HuggingFace-Downloads (Standard: true). Mit "false" oder "0" wird sie deaktiviert und huggingface.co direkt verwendet. Die Spiegelkette lautet huggingface.co → hf-mirror.com →… HTTP_PROXY HTTP-Proxy-URL zum Herunterladen von Embedding-Modellen. Dient als Fallback, wenn HTTPS_PROXY nicht gesetzt ist. Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
Menünamen am 11. Nov. 2026 mit der Hilfe von Anthropic abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
ChatGPT kann MCP Local Rag noch nicht verbinden
MCP Local Rag läuft auf deinem Computer, aber ChatGPT verbindet nur Server, die im Web laufen
A · Eine App nutzen, die MCP Local Rag verbinden kann
Klappt mit Claude Code, aber erst etwas vorbereiten
1 Einstellung(en) auszufüllen (HTTPS_PROXY) · Installiere zuerst Node.js auf deinem Computer (nur einmal)
Kopiere diese Nachricht in einen Claude Code-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server MCP Local Rag für Claude Code auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe Node.js mit node -v. Fehlt es, sag mir, dass ich es von https://nodejs.org/en/download installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): claude mcp add --scope user local-rag --env HTTPS_PROXY=your-value -- npx -y @damoqiongqiu/mcp-local-rag 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Lass bei HTTPS_PROXY "your-value" stehen und sag mir, dass ich den echten Wert selbst in die Datei oder das Feld der App einfüge. Bitte mich nie, einen Schlüssel in den Chat zu schreiben. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von MCP Local Rag wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
node -vMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: Öffne die offizielle Download-Seite, wähle die LTS-Version und den Klick-Installer: .pkg auf dem Mac · .msi unter Windows. Doppelklicken und bis zum Ende durchklicken. Kein curl-Befehl nötig
Download-Seite von Node.js öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: node -v
Einmal installieren, gilt für alles, was Node.js braucht
Das sind Programmeinstellungen, keine Schlüssel. Keine Registrierung nötig; wie vom Autor beschrieben ausfüllen.
HTTPS_PROXY HTTPS-Proxy-URL zum Herunterladen von Embedding-Modellen (z. B. http://proxy:8080). Nur erforderlich, wenn ein Unternehmensproxy verwendet wird. Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
Mac: Command+Leertaste drücken und Terminal tippen · Windows: PowerShell öffnen
claude mcp add --scope user local-rag --env HTTPS_PROXY=your-value -- npx -y @damoqiongqiu/mcp-local-ragMCP Local Rag sollte in der Liste als verbunden erscheinen
Nutze MCP Local Rag und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Claude Code sagt, dass es MCP Local Rag nutzt, oder ein Werkzeug von MCP Local Rag in der Antwort zeigt, bist du verbunden
Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.
BASE_DIR Basisverzeichnis für die Dokumentenspeicherung (Standard: aktuelles Arbeitsverzeichnis). Wird ignoriert, wenn BASE_DIRS gesetzt ist. BASE_DIRS JSON-Array von Basisverzeichnissen (z. B. '"/a","/b"'). Hat Vorrang vor BASE_DIR. DB_PATH Pfad zum LanceDB-Datenbankverzeichnis (Standard ist ./lancedb/) CACHE_DIR Verzeichnis, in dem Transformers.js-Modelle zwischengespeichert werden (Standard: ./models/) MODEL_NAME Name des Embedding-Modells (Standard ist Xenova/all-MiniLM-L6-v2) MAX_FILE_SIZE Maximale Dateigröße in Bytes (Standardwert ist 104857600 / 100MB) RAG_MAX_DISTANCE Maximum distance threshold for filtering search results. Results with distance greater than this value will be excluded. Lower values mean stricter filtering (e.g., 0.5 for high relevance only)RAG_GROUPING Grouping mode for quality filtering. 'similar' returns only the most similar group (stops at first distance jump). 'related' includes related groups (stops at second distance jump). Unset means no gr…RAG_MAX_FILES Maximum number of files to keep in search results. Results are filtered to include only chunks from the top N best-scoring files. For example, 1 returns only the single best-matching file's chunks. U…CHUNK_MIN_LENGTH Minimale Chunk-Länge in Zeichen (1-10000, Standardwert 50). Chunks, die kürzer als dieser Schwellenwert sind, werden während der Aufnahme herausgefiltert. RAG_DEVICE Execution device for the embedder (defaults to cpu). Passed straight to ONNX Runtime; see the Transformers.js device source for the supported backend names. If the requested device fails to initializ…RAG_DTYPE Embedding quantization dtype for the embedder (defaults to fp32). Opt-in and pass-through; accepts any dtype the chosen model provides (fp32, fp16, q8, int8, ...). If the model has no variant for the…RAG_HYBRID_WEIGHT Keyword boost factor for hybrid search (0.0-1.0, defaults to 0.6). 0 means semantic similarity only; higher values increase the keyword-match contribution to the final score.RAG_WATCH Aktiviert den automatischen Dateiwächter, der Änderungen erkennt und geänderte Dateien neu indiziert (true/1 zum Aktivieren). Nützlich während der aktiven Entwicklung. HF_ENDPOINT Explizite HuggingFace-Endpunkt-URL für Modell-Downloads. Ist sie gesetzt, wird die automatische Spiegelerkennung übersprungen und diese URL direkt verwendet. Nützlich bei einem vollständigen Spiegelserver. HF_AUTO_MIRROR Aktiviert die automatische Spiegelerkennung für HuggingFace-Downloads (Standard: true). Mit "false" oder "0" wird sie deaktiviert und huggingface.co direkt verwendet. Die Spiegelkette lautet huggingface.co → hf-mirror.com →… HTTP_PROXY HTTP-Proxy-URL zum Herunterladen von Embedding-Modellen. Dient als Fallback, wenn HTTPS_PROXY nicht gesetzt ist. Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
Menünamen am 11. Nov. 2026 mit der Hilfe von Anthropic abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
Klappt mit Cursor, aber erst etwas vorbereiten
1 Einstellung(en) auszufüllen (HTTPS_PROXY) · Installiere zuerst Node.js auf deinem Computer (nur einmal)
Kopiere diese Nachricht in einen Cursor-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server MCP Local Rag für Cursor auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe Node.js mit node -v. Fehlt es, sag mir, dass ich es von https://nodejs.org/en/download installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "mcpServers": { "local-rag": { "command": "npx", "args": [ "-y", "@damoqiongqiu/mcp-local-rag" ], "env": { "HTTPS_PROXY": "your-value" } } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Lass bei HTTPS_PROXY "your-value" stehen und sag mir, dass ich den echten Wert selbst in die Datei oder das Feld der App einfüge. Bitte mich nie, einen Schlüssel in den Chat zu schreiben. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von MCP Local Rag wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
node -vMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: Öffne die offizielle Download-Seite, wähle die LTS-Version und den Klick-Installer: .pkg auf dem Mac · .msi unter Windows. Doppelklicken und bis zum Ende durchklicken. Kein curl-Befehl nötig
Download-Seite von Node.js öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: node -v
Einmal installieren, gilt für alles, was Node.js braucht
Das sind Programmeinstellungen, keine Schlüssel. Keine Registrierung nötig; wie vom Autor beschrieben ausfüllen.
HTTPS_PROXY HTTPS-Proxy-URL zum Herunterladen von Embedding-Modellen (z. B. http://proxy:8080). Nur erforderlich, wenn ein Unternehmensproxy verwendet wird. Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
In den Einstellungen von MCP Local Rag ist HTTPS_PROXY leer; trag deinen Schlüssel ein und speichere
Nutze MCP Local Rag und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Cursor sagt, dass es MCP Local Rag nutzt, oder ein Werkzeug von MCP Local Rag in der Antwort zeigt, bist du verbunden
Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.
BASE_DIR Basisverzeichnis für die Dokumentenspeicherung (Standard: aktuelles Arbeitsverzeichnis). Wird ignoriert, wenn BASE_DIRS gesetzt ist. BASE_DIRS JSON-Array von Basisverzeichnissen (z. B. '"/a","/b"'). Hat Vorrang vor BASE_DIR. DB_PATH Pfad zum LanceDB-Datenbankverzeichnis (Standard ist ./lancedb/) CACHE_DIR Verzeichnis, in dem Transformers.js-Modelle zwischengespeichert werden (Standard: ./models/) MODEL_NAME Name des Embedding-Modells (Standard ist Xenova/all-MiniLM-L6-v2) MAX_FILE_SIZE Maximale Dateigröße in Bytes (Standardwert ist 104857600 / 100MB) RAG_MAX_DISTANCE Maximum distance threshold for filtering search results. Results with distance greater than this value will be excluded. Lower values mean stricter filtering (e.g., 0.5 for high relevance only)RAG_GROUPING Grouping mode for quality filtering. 'similar' returns only the most similar group (stops at first distance jump). 'related' includes related groups (stops at second distance jump). Unset means no gr…RAG_MAX_FILES Maximum number of files to keep in search results. Results are filtered to include only chunks from the top N best-scoring files. For example, 1 returns only the single best-matching file's chunks. U…CHUNK_MIN_LENGTH Minimale Chunk-Länge in Zeichen (1-10000, Standardwert 50). Chunks, die kürzer als dieser Schwellenwert sind, werden während der Aufnahme herausgefiltert. RAG_DEVICE Execution device for the embedder (defaults to cpu). Passed straight to ONNX Runtime; see the Transformers.js device source for the supported backend names. If the requested device fails to initializ…RAG_DTYPE Embedding quantization dtype for the embedder (defaults to fp32). Opt-in and pass-through; accepts any dtype the chosen model provides (fp32, fp16, q8, int8, ...). If the model has no variant for the…RAG_HYBRID_WEIGHT Keyword boost factor for hybrid search (0.0-1.0, defaults to 0.6). 0 means semantic similarity only; higher values increase the keyword-match contribution to the final score.RAG_WATCH Aktiviert den automatischen Dateiwächter, der Änderungen erkennt und geänderte Dateien neu indiziert (true/1 zum Aktivieren). Nützlich während der aktiven Entwicklung. HF_ENDPOINT Explizite HuggingFace-Endpunkt-URL für Modell-Downloads. Ist sie gesetzt, wird die automatische Spiegelerkennung übersprungen und diese URL direkt verwendet. Nützlich bei einem vollständigen Spiegelserver. HF_AUTO_MIRROR Aktiviert die automatische Spiegelerkennung für HuggingFace-Downloads (Standard: true). Mit "false" oder "0" wird sie deaktiviert und huggingface.co direkt verwendet. Die Spiegelkette lautet huggingface.co → hf-mirror.com →… HTTP_PROXY HTTP-Proxy-URL zum Herunterladen von Embedding-Modellen. Dient als Fallback, wenn HTTPS_PROXY nicht gesetzt ist. Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
Menünamen am 11. Nov. 2026 mit der Hilfe von Cursor abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
Klappt mit VS Code, aber erst etwas vorbereiten
1 Einstellung(en) auszufüllen (HTTPS_PROXY) · Installiere zuerst Node.js auf deinem Computer (nur einmal)
Kopiere diese Nachricht in einen VS Code-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server MCP Local Rag für VS Code auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe Node.js mit node -v. Fehlt es, sag mir, dass ich es von https://nodejs.org/en/download installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "servers": { "local-rag": { "type": "stdio", "command": "npx", "args": [ "-y", "@damoqiongqiu/mcp-local-rag" ], "env": { "HTTPS_PROXY": "your-value" } } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Lass bei HTTPS_PROXY "your-value" stehen und sag mir, dass ich den echten Wert selbst in die Datei oder das Feld der App einfüge. Bitte mich nie, einen Schlüssel in den Chat zu schreiben. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von MCP Local Rag wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
node -vMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: Öffne die offizielle Download-Seite, wähle die LTS-Version und den Klick-Installer: .pkg auf dem Mac · .msi unter Windows. Doppelklicken und bis zum Ende durchklicken. Kein curl-Befehl nötig
Download-Seite von Node.js öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: node -v
Einmal installieren, gilt für alles, was Node.js braucht
Das sind Programmeinstellungen, keine Schlüssel. Keine Registrierung nötig; wie vom Autor beschrieben ausfüllen.
HTTPS_PROXY HTTPS-Proxy-URL zum Herunterladen von Embedding-Modellen (z. B. http://proxy:8080). Nur erforderlich, wenn ein Unternehmensproxy verwendet wird. Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
VS Code fragt nach einer Bestätigung; klicke Install
In den Einstellungen von MCP Local Rag ist HTTPS_PROXY leer; trag deinen Schlüssel ein und speichere
Nutze MCP Local Rag und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn VS Code sagt, dass es MCP Local Rag nutzt, oder ein Werkzeug von MCP Local Rag in der Antwort zeigt, bist du verbunden
Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.
BASE_DIR Basisverzeichnis für die Dokumentenspeicherung (Standard: aktuelles Arbeitsverzeichnis). Wird ignoriert, wenn BASE_DIRS gesetzt ist. BASE_DIRS JSON-Array von Basisverzeichnissen (z. B. '"/a","/b"'). Hat Vorrang vor BASE_DIR. DB_PATH Pfad zum LanceDB-Datenbankverzeichnis (Standard ist ./lancedb/) CACHE_DIR Verzeichnis, in dem Transformers.js-Modelle zwischengespeichert werden (Standard: ./models/) MODEL_NAME Name des Embedding-Modells (Standard ist Xenova/all-MiniLM-L6-v2) MAX_FILE_SIZE Maximale Dateigröße in Bytes (Standardwert ist 104857600 / 100MB) RAG_MAX_DISTANCE Maximum distance threshold for filtering search results. Results with distance greater than this value will be excluded. Lower values mean stricter filtering (e.g., 0.5 for high relevance only)RAG_GROUPING Grouping mode for quality filtering. 'similar' returns only the most similar group (stops at first distance jump). 'related' includes related groups (stops at second distance jump). Unset means no gr…RAG_MAX_FILES Maximum number of files to keep in search results. Results are filtered to include only chunks from the top N best-scoring files. For example, 1 returns only the single best-matching file's chunks. U…CHUNK_MIN_LENGTH Minimale Chunk-Länge in Zeichen (1-10000, Standardwert 50). Chunks, die kürzer als dieser Schwellenwert sind, werden während der Aufnahme herausgefiltert. RAG_DEVICE Execution device for the embedder (defaults to cpu). Passed straight to ONNX Runtime; see the Transformers.js device source for the supported backend names. If the requested device fails to initializ…RAG_DTYPE Embedding quantization dtype for the embedder (defaults to fp32). Opt-in and pass-through; accepts any dtype the chosen model provides (fp32, fp16, q8, int8, ...). If the model has no variant for the…RAG_HYBRID_WEIGHT Keyword boost factor for hybrid search (0.0-1.0, defaults to 0.6). 0 means semantic similarity only; higher values increase the keyword-match contribution to the final score.RAG_WATCH Aktiviert den automatischen Dateiwächter, der Änderungen erkennt und geänderte Dateien neu indiziert (true/1 zum Aktivieren). Nützlich während der aktiven Entwicklung. HF_ENDPOINT Explizite HuggingFace-Endpunkt-URL für Modell-Downloads. Ist sie gesetzt, wird die automatische Spiegelerkennung übersprungen und diese URL direkt verwendet. Nützlich bei einem vollständigen Spiegelserver. HF_AUTO_MIRROR Aktiviert die automatische Spiegelerkennung für HuggingFace-Downloads (Standard: true). Mit "false" oder "0" wird sie deaktiviert und huggingface.co direkt verwendet. Die Spiegelkette lautet huggingface.co → hf-mirror.com →… HTTP_PROXY HTTP-Proxy-URL zum Herunterladen von Embedding-Modellen. Dient als Fallback, wenn HTTPS_PROXY nicht gesetzt ist. Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
Menünamen am 11. Nov. 2026 mit der Hilfe von VS Code abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
Andere Apps mit MCP, etwa Windsurf, Zed oder Gemini CLI, fügen Server unterschiedlich hinzu. Sieh in der App-Liste nach
JSON-Einstellungen stehen unten unter „Für Entwickler“
Claude Code
claude mcp add --scope user local-rag --env HTTPS_PROXY=your-value -- npx -y @damoqiongqiu/mcp-local-ragClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"local-rag": {
"command": "npx",
"args": [
"-y",
"@damoqiongqiu/mcp-local-rag"
],
"env": {
"HTTPS_PROXY": "your-value"
}
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"local-rag": {
"command": "npx",
"args": [
"-y",
"@damoqiongqiu/mcp-local-rag"
],
"env": {
"HTTPS_PROXY": "your-value"
}
}
}
}VS Code (mcp.json)
{
"servers": {
"local-rag": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@damoqiongqiu/mcp-local-rag"
],
"env": {
"HTTPS_PROXY": "your-value"
}
}
}
}BASE_DIR envBASE_DIRS envDB_PATH envCACHE_DIR envMODEL_NAME envMAX_FILE_SIZE envRAG_MAX_DISTANCE envRAG_GROUPING envRAG_MAX_FILES envCHUNK_MIN_LENGTH envRAG_DEVICE envRAG_DTYPE envRAG_HYBRID_WEIGHT envRAG_WATCH envHF_ENDPOINT envHF_AUTO_MIRROR envHTTPS_PROXY erforderlich envHTTP_PROXY envBeschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Basierend darauf, wie sich dieser Server verbindet, und auf der eigenen Doku jeder App, geprüft am 10. Nov. 2026.
Laufen auf deinem Computer in
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 19. Nov. 2026
Der Registry-Name wurde mit dem GitHub-Konto damoqiongqiu bestätigt, dem das Repo gehört
Code zuletzt geändert: vor 4 Monaten
Nutzt MIT
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Keine Einträge auf OSV.dev für @damoqiongqiu/mcp-local-rag@0.21.0
Prüft nur diese Paketversion, nicht alle Abhängigkeiten · geprüft 15. Nov. 2026
Wenn du das gebaut hast, füge diesen Code in dein README ein. Das Badge verlinkt auf diese Seite.
[](https://mcp.popnx.com/en/servers/damoqiongqiu-mcp-local-rag)Fragen, Tipps teilen oder melden, dass etwas nicht geht. Sortiert nach „hilfreich“.
Noch keine Beiträge. Stell die erste Frage oder teile einen Tipp.
Beiträge hier stammen von Nutzern, nicht vom PopNx-Team.
Noch keine Bewertungen
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Er hat 3 von 3 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.
Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Das GitHub-Repo wurde zuletzt vor 4 Monaten geändert, und die neueste Version (0.21.0) kam vor 4 Monaten in die Registry.
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Node.js auf deinem Computer.
In derselben Kategorie: OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
Gleiche Kategorie, andere Entwickler, Befehle bereits geprüft. Offizielle zuerst, dann nach Sternen.
So liest du eine Karte:↓ Downloads pro Wochei★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
Keyword research, site audits, rank tracking and AI visibility for your AI agent.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.
Search and read Empryo's documentation. Read-only, no auth, no local access.
cotal.ai actions: product overview, site search, build log, feedback, Cloud waitlist, updates, calls
| Dieser MCP Local Rag | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| Läuft wo | Wird auf deinem Rechner installiert | Läuft in der Cloud, keine Installation | Läuft in der Cloud, keine Installation | Läuft in der Cloud, keine Installation | Läuft in der Cloud, keine Installation | Läuft in der Cloud, keine Installation |
| Braucht Schlüssel | Nein | Nein | Nein | Nein | Nein | Nein |
| Mit + in Claude hinzufügen | Nein | Ja | Ja | Ja | Nein | Nein |
| Basisprüfungen | 3/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| Lizenz | MIT | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-2.0 |
| Preis | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register |
Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.
🍴 Forked from shinpr/mcp-local-rag — original work by Shinsuke Kagawa
Local code intelligence engine for AI coding assistants. AST-level semantic chunking + keyword boost for pinpointing functions, classes, and APIs — fully private, zero setup.
📖 中文文档
useEffect, error codes, class names rank higher — not just semantically guessed.find_definition and find_references for IDE-level code navigation, powered by tree-sitter metadata captured at ingest time.huggingface.co → hf-mirror.com → modelscope.cn, zero config for users in mainland China.npx command. No Docker, Python, or servers to manage.Set BASE_DIR to the folder you want to search (BASE_DIRS for multiple roots — see Configuration).
Cursor — ~/.cursor/mcp.json:
{
"mcpServers": { "local-rag": { "command": "npx", "args": ["-y", "@damoqiongqiu/mcp-local-rag"], "env": { "BASE_DIR": "/path/to/your/project" } } } }
Claude Code:
claude mcp add local-rag --scope user --env BASE_DIR=/path/to/your/project -- npx -y @damoqiongqiu/mcp-local-rag
Codex — ~/.codex/config.toml:
[mcp_servers.local-rag]
command = "npx" args = ["-y", "@damoqiongqiu/mcp-local-rag"]
[mcp_servers.local-rag.env] BASE_DIR = "/path/to/your/project"
WorkBuddy — Settings → Custom Connectors → Add:
{
"mcpServers": { "local-rag": { "command": "npx", "args": ["-y", "@damoqiongqiu/mcp-local-rag"], "env": { "BASE_DIR": "/path/to/your/project" } } } }
⚠️ WorkBuddy: you MUST click "Trust" in the Custom Connectors list after adding, otherwise the server is silently blocked.
No MCP needed — run directly from the terminal:
npx @damoqiongqiu/mcp-local-rag ingest ./src/
npx @damoqiongqiu/mcp-local-rag query "auth middleware" npx @damoqiongqiu/mcp-local-rag status
That's it. No Docker, Python, or server setup.
You: "Index the src directory of this project"
Assistant: Successfully ingested 156 files (2,847 chunks created)
You: "Where's the middleware that handles API rate limiting?" Assistant: src/middleware/rateLimiter.ts — useRateLimiter(), lines 42–89
You: "How is the database connection pool configured?" Assistant: src/config/database.ts — createPool() default max: 20, idle: 5
Chunking strategy is chosen per file type:
CodeChunker parses source via tree-sitter AST, splits at structural boundaries (functions, classes, methods). Each chunk's contextualizedText includes its scope chain and import context for precise semantic search.SemanticChunker splits into sentences, groups by embedding similarity to find natural topic boundaries. Markdown code blocks remain intact — never split mid-block.Search = semantic similarity + keyword boost (RAG_HYBRID_WEIGHT, default 0.6):
Exact identifiers like useEffect are never buried by semantic approximations.
Only files under BASE_DIR / BASE_DIRS are accessible for ingest, list, delete, or read-neighbor operations. Symlinks resolved outside roots are rejected. Sibling-prefix paths (e.g., /foo/barista when root is /foo/bar) are also blocked — prevents path traversal attacks.
15 tools organized into 5 categories.
| # | Tool | Purpose | Example |
|---|---|---|---|
| 1 | ingest_file | Single file (PDF/DOCX/TXT/MD/code) | "Ingest ./docs/api-spec.pdf" |
| 2 | ingest_data | In-memory text/HTML | "Fetch this page and ingest the HTML" |
| 3 | ingest_directory | Bulk directory ingest | "Ingest everything under ./src" |
`ingest_file` supports 50+ code languages. PDFs support an optional visual mode — a local VLM generates captions for figure pages, making visual content searchable. Two profiles available:
| Profile | Model | Cache | Suited for |
|---|---|---|---|
fast (default) | SmolVLM-256M | ~250 MB | Light visual indexing |
quality | Qwen2.5-VL-3B-ONNX | ~2.9 GB | Figures with in-image text |
# CLI
npx @damoqiongqiu/mcp-local-rag ingest ./spec.pdf --visual --visual-quality quality
"Ingest ./spec.pdf with visual: true, visualQuality: 'quality'"
`ingest_data` runs Readability → Markdown → index. Perfect for web content fetched by your AI assistant. Re-ingesting replaces old versions automatically.
`ingest_directory` scans recursively, respects .gitignore, shows real-time progress via MCP notifications.
| # | Tool | Purpose | Key Parameters |
|---|---|---|---|
| 4 | query_documents | Hybrid search (semantic + keyword) | query, limit, scope, highlightContext, fromTimestamp |
| 5 | read_chunk_neighbors | Expand context around results | filePath, chunkIndex, before, after |
`query_documents` — scope accepts a single path prefix or list, restricting results to that subtree. highlightContext returns snippets around matched terms. fromTimestamp / untilTimestamp enable time-range filtering.
`read_chunk_neighbors` — defaults to 2 chunks before and after (like grep -C 2), max 50 each. Response includes the target chunk marked isTarget: true.
| # | Tool | Purpose |
|---|---|---|
| 6 | list_files | List files with ingestion status (ingested: true/false) |
| 7 | delete_file | Delete by file path or source URL |
| 8 | status | Index stats: docs, chunks, memory, search mode |
list_files supports scope filtering with the same prefix-match semantics as search. In large directories, scope accelerates the scan by skipping out-of-scope subtrees.
| # | Tool | Purpose | Input |
|---|---|---|---|
| 9 | find_definition | Locate symbol definition (file, line range, scope) | Exact symbol name |
| 10 | find_references | Find all references (import + text mention) | Symbol name |
Both tools depend on AST metadata (imports, entities, scope chains) extracted by tree-sitter at ingest time. Only works for code files ingested with `CodeChunker` — files ingested before v0.18.7 lack this metadata and require reindex_all to rebuild.
`find_references` uses a two-phase strategy: (1) exact match in codeMeta.imports → (2) FTS full-text search for the symbol name. Results are deduplicated by (filePath, chunkIndex), with import references listed first.
| # | Tool | Purpose |
|---|---|---|
| 11 | config | Runtime hot read/write config — no restart needed |
| 12 | dedup_check | SHA256 + Jaccard similarity to detect duplicate files |
| 13 | export_index | Export entire index as JSON (backup or migration) |
| 14 | reindex_all | Full re-chunk + re-embed (after model change) |
| 15 | reindex_stale | Re-ingest only files modified on disk (incremental sync) |
`config` hot-swaps hybridWeight, modelName, cacheDir, baseDir/baseDirs, etc. Switching models auto-disposes the old Embedder and initializes the new one — note: changing models alters the embedding space and requires reindex_all.
`dedup_check` is especially useful in monorepos — spot ↔ futures mirror code is typically flagged with similarity 1.0.
# Ingest
npx @damoqiongqiu/mcp-local-rag ingest ./src/
npx @damoqiongqiu/mcp-local-rag query "auth middleware" npx @damoqiongqiu/mcp-local-rag query "auth" --scope /docs/api
npx @damoqiongqiu/mcp-local-rag read-neighbors --file-path /abs/path.md --chunk-index 5
npx @damoqiongqiu/mcp-local-rag list --scope /docs/api npx @damoqiongqiu/mcp-local-rag status npx @damoqiongqiu/mcp-local-rag delete ./docs/old.pdf npx @damoqiongqiu/mcp-local-rag delete --source "https://..."
query, read-neighbors, list, status, delete emit JSON to stdout (pipe to jq). ingest emits progress to stderr.
Global options (--db-path, --cache-dir, --model-name) go before the subcommand:
npx @damoqiongqiu/mcp-local-rag --help
⚠️ The CLI does NOT read your MCP client config (
mcp.json, etc.). Configure via flags or environment variables.
Flags — global options before, subcommand options after:
npx @damoqiongqiu/mcp-local-rag --db-path ./my-db query "auth" --base-dir ./docs
`--base