Prototyp · Vorschau: alle Server aus der offiziellen Registry, alle 30 Minuten synchronisiert. Mit Google anmelden, um Bewertungen zu schreiben.Prototyp · alle 30 Min. aktualisiert
PopNx MCPMCP-Server für alle, die KI nutzen · in einfachen Worten erklärt Anmelden

rag-mcp

von MasihMoafiVersion 0.3.0i★ 9iLäuft auf deinem ComputerRepository ↗
Name in der Registryio.github.MasihMoafi/rag-mcp

So installierst du es

Was es kann

Scoped hybrid search (BM25, embeddings, reranking) and grounded answers over local files and folders

Originaltext des Herstellers

  • Verbindung Läuft auf deinem Computer
  • Konto oder Schlüssel Braucht OPENROUTER_API_KEY
  • Kategorie Suche & KI-Gedächtnis

Zusammen nutzen mit

Skills, die der KI diese Art Arbeit beibringen; sie funktionieren zusammen mit diesem

timesfm

TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.

von google-research★ 35.6381 Skills

Skill · Anleitung

Shadowbroker

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…

von BigBodyCobain★ 11.6051 Skills

Skill · Anleitung

google-maps-scraper

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

von gosom★ 8.2361 Skills

Skill · Anleitung

Warum es hier steht

Listen sind nach einem Nutzungswert (von 100) aus diesen Teilen sortiert

Beliebtheit12/80GitHub-Sterne oder wöchentliche Downloads: der größere Wert zählt 60, der kleinere 20
Aktualität12/12Volle Punkte für Release oder Codeänderung in 30 Tagen
Antwortet noch0/8Der Cloud-Endpoint antwortete bei der letzten Prüfung
Nutzungswert24/100

Qualität: 3/3 Basisprüfungen bestanden (angezeigt, nicht zur Sortierung) · Schwung: Noch keine Daten (Nur im Tab Im Trend verwendet)

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Mit einem Satz von deiner KI installieren lassen

Installiere bitte rag-mcp. Folge https://mcp.popnx.com/i/masihmoafi-rag-mcp.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 13. Nov. 2026

Zuerst: Welche KI nutzt du?

Wähle deine App, dann erscheinen die Schritte unten.

Klappt mit Claude, aber erst etwas vorbereiten

Du brauchst einen Schlüssel von rag-mcp (auf der Seite des Anbieters erstellen) · Installiere zuerst Python (uv) auf deinem Computer (nur einmal) · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy

Von der KI installieren lassen

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 rag-mcp für Claude auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "mcpServers": { "rag": { "command": "uvx", "args": [ "ragmcp-cli", "mcp" ], "env": { "OPENROUTER_API_KEY": "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 OPENROUTER_API_KEY "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 rag-mcp 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.

  1. uv installieren (falls noch nicht vorhanden)

    Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter

    uv --version
    • Eine Versionsnummer wie uv … = installiert, diesen Schritt überspringen
    • "command not found" (unter Windows "is not recognized") = noch nicht installiert, oder gerade installiert und das Terminal muss neu geöffnet werden
    So öffnest du das Terminal

    Mac: ⌘ + Leertaste drücken, Terminal eingeben, Enter

    Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen

    Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst

    Download-Seite von uv öffnen ↗

    Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version

    Einmal installieren, gilt für alles, was uv braucht

  2. Bei rag-mcp registrieren und Schlüssel erstellen

    Öffne die Seite des Anbieters, registriere dich und erstelle einen API-Schlüssel für den nächsten Schritt. Preise und Gratis-Tarife siehst du auf seiner Seite.

    Seite von rag-mcp öffnen ↗

  3. Einstellungsdatei der Claude-Desktop-App öffnen

    SettingsDeveloperEdit Config

  4. Diese Einstellungen einfügen und speichern

    {
      "mcpServers": {
        "rag": {
          "command": "uvx",
          "args": [
            "ragmcp-cli",
            "mcp"
          ],
          "env": {
            "OPENROUTER_API_KEY": "your-value"
          }
        }
      }
    }

    Füge den Schlüssel nur in das Feld der App ein, nie in einen Chat und schick ihn niemandem

  5. Claude beenden und neu öffnen

  6. Ausprobieren

    Nutze rag-mcp und sag mir, was du für mich tun kannst; zeig mir dann eine Sache

    ✓ Wenn Claude sagt, dass es rag-mcp nutzt, oder ein Werkzeug von rag-mcp in der Antwort zeigt, bist du verbunden

Menünamen am 11. Nov. 2026 mit der Hilfe von Anthropic abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen

ChatGPT kann rag-mcp noch nicht verbinden

rag-mcp läuft auf deinem Computer, aber ChatGPT verbindet nur Server, die im Web laufen

Das kannst du stattdessen tun

A · Eine App nutzen, die rag-mcp verbinden kann

  • Du brauchst einen Schlüssel von rag-mcp (auf der Seite des Anbieters erstellen) · Installiere zuerst Python (uv) auf deinem Computer (nur einmal) · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy
  • Du brauchst einen Schlüssel von rag-mcp (auf der Seite des Anbieters erstellen) · Installiere zuerst Python (uv) auf deinem Computer (nur einmal)
  • Du brauchst einen Schlüssel von rag-mcp (auf der Seite des Anbieters erstellen) · Installiere zuerst Python (uv) auf deinem Computer (nur einmal)
  • Du brauchst einen Schlüssel von rag-mcp (auf der Seite des Anbieters erstellen) · Installiere zuerst Python (uv) auf deinem Computer (nur einmal)

B · Andere in Suche & KI-Gedächtnis, die mit ChatGPT funktionieren

Aus den meistgenutzten derselben Kategorie, nur solche, die per Adresse ohne Schlüssel verbinden

Klappt mit Claude Code, aber erst etwas vorbereiten

Du brauchst einen Schlüssel von rag-mcp (auf der Seite des Anbieters erstellen) · Installiere zuerst Python (uv) auf deinem Computer (nur einmal)

Von der KI installieren lassen

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 rag-mcp für Claude Code auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): claude mcp add --scope user rag --env OPENROUTER_API_KEY=your-value -- uvx ragmcp-cli mcp 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 OPENROUTER_API_KEY "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 rag-mcp 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.

  1. uv installieren (falls noch nicht vorhanden)

    Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter

    uv --version
    • Eine Versionsnummer wie uv … = installiert, diesen Schritt überspringen
    • "command not found" (unter Windows "is not recognized") = noch nicht installiert, oder gerade installiert und das Terminal muss neu geöffnet werden
    So öffnest du das Terminal

    Mac: ⌘ + Leertaste drücken, Terminal eingeben, Enter

    Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen

    Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst

    Download-Seite von uv öffnen ↗

    Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version

    Einmal installieren, gilt für alles, was uv braucht

  2. Bei rag-mcp registrieren und Schlüssel erstellen

    Öffne die Seite des Anbieters, registriere dich und erstelle einen API-Schlüssel für den nächsten Schritt. Preise und Gratis-Tarife siehst du auf seiner Seite.

    Seite von rag-mcp öffnen ↗

  3. Terminal öffnen

    Mac: Command+Leertaste drücken und Terminal tippen · Windows: PowerShell öffnen

  4. Diesen Befehl einfügen und Enter drücken

    claude mcp add --scope user rag --env OPENROUTER_API_KEY=your-value -- uvx ragmcp-cli mcp

    Ersetze „your-value“ vor dem Enter durch deinen Schlüssel

    Füge den Schlüssel nur in das Feld der App ein, nie in einen Chat und schick ihn niemandem

  5. /mcp in Claude Code eingeben

    rag-mcp sollte in der Liste als verbunden erscheinen

  6. Ausprobieren

    Nutze rag-mcp und sag mir, was du für mich tun kannst; zeig mir dann eine Sache

    ✓ Wenn Claude Code sagt, dass es rag-mcp nutzt, oder ein Werkzeug von rag-mcp in der Antwort zeigt, bist du verbunden

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

Du brauchst einen Schlüssel von rag-mcp (auf der Seite des Anbieters erstellen) · Installiere zuerst Python (uv) auf deinem Computer (nur einmal)

Von der KI installieren lassen

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 rag-mcp für Cursor auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "mcpServers": { "rag": { "command": "uvx", "args": [ "ragmcp-cli", "mcp" ], "env": { "OPENROUTER_API_KEY": "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 OPENROUTER_API_KEY "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 rag-mcp 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.

  1. uv installieren (falls noch nicht vorhanden)

    Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter

    uv --version
    • Eine Versionsnummer wie uv … = installiert, diesen Schritt überspringen
    • "command not found" (unter Windows "is not recognized") = noch nicht installiert, oder gerade installiert und das Terminal muss neu geöffnet werden
    So öffnest du das Terminal

    Mac: ⌘ + Leertaste drücken, Terminal eingeben, Enter

    Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen

    Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst

    Download-Seite von uv öffnen ↗

    Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version

    Einmal installieren, gilt für alles, was uv braucht

  2. Bei rag-mcp registrieren und Schlüssel erstellen

    Öffne die Seite des Anbieters, registriere dich und erstelle einen API-Schlüssel für den nächsten Schritt. Preise und Gratis-Tarife siehst du auf seiner Seite.

    Seite von rag-mcp öffnen ↗

  3. Mit diesem Button Cursor öffnen

    In Cursor öffnen

    Cursor fragt nach einer Bestätigung; klicke Install

  4. Schlüssel eintragen

    In den Einstellungen von rag-mcp ist OPENROUTER_API_KEY leer; trag deinen Schlüssel ein und speichere

    Füge den Schlüssel nur in das Feld der App ein, nie in einen Chat und schick ihn niemandem

  5. KI-Chat in Cursor im Agent-Modus öffnen

  6. Ausprobieren

    Nutze rag-mcp und sag mir, was du für mich tun kannst; zeig mir dann eine Sache

    ✓ Wenn Cursor sagt, dass es rag-mcp nutzt, oder ein Werkzeug von rag-mcp in der Antwort zeigt, bist du verbunden

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

Du brauchst einen Schlüssel von rag-mcp (auf der Seite des Anbieters erstellen) · Installiere zuerst Python (uv) auf deinem Computer (nur einmal)

Von der KI installieren lassen

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 rag-mcp für VS Code auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "servers": { "rag": { "type": "stdio", "command": "uvx", "args": [ "ragmcp-cli", "mcp" ], "env": { "OPENROUTER_API_KEY": "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 OPENROUTER_API_KEY "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 rag-mcp 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.

  1. uv installieren (falls noch nicht vorhanden)

    Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter

    uv --version
    • Eine Versionsnummer wie uv … = installiert, diesen Schritt überspringen
    • "command not found" (unter Windows "is not recognized") = noch nicht installiert, oder gerade installiert und das Terminal muss neu geöffnet werden
    So öffnest du das Terminal

    Mac: ⌘ + Leertaste drücken, Terminal eingeben, Enter

    Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen

    Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst

    Download-Seite von uv öffnen ↗

    Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version

    Einmal installieren, gilt für alles, was uv braucht

  2. Bei rag-mcp registrieren und Schlüssel erstellen

    Öffne die Seite des Anbieters, registriere dich und erstelle einen API-Schlüssel für den nächsten Schritt. Preise und Gratis-Tarife siehst du auf seiner Seite.

    Seite von rag-mcp öffnen ↗

  3. Mit diesem Button VS Code öffnen

    In VS Code öffnen

    VS Code fragt nach einer Bestätigung; klicke Install

  4. Schlüssel eintragen

    In den Einstellungen von rag-mcp ist OPENROUTER_API_KEY leer; trag deinen Schlüssel ein und speichere

    Füge den Schlüssel nur in das Feld der App ein, nie in einen Chat und schick ihn niemandem

  5. KI-Chat in VS Code im Agent-Modus öffnen

  6. Ausprobieren

    Nutze rag-mcp und sag mir, was du für mich tun kannst; zeig mir dann eine Sache

    ✓ Wenn VS Code sagt, dass es rag-mcp nutzt, oder ein Werkzeug von rag-mcp in der Antwort zeigt, bist du verbunden

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

Alle Apps mit MCP ansehen →

JSON-Einstellungen stehen unten unter „Für Entwickler“

Hängst du fest? Frag Leute, die rag-mcp nutzen💬 Diskussion →
Für Entwickler: Terminal-Befehle und JSON-Einstellungen

Auf deinem Computer installiert

Claude Code

claude mcp add --scope user rag --env OPENROUTER_API_KEY=your-value -- uvx ragmcp-cli mcp

Claude Desktop (claude_desktop_config.json)

{
  "mcpServers": {
    "rag": {
      "command": "uvx",
      "args": [
        "ragmcp-cli",
        "mcp"
      ],
      "env": {
        "OPENROUTER_API_KEY": "your-value"
      }
    }
  }
}

Cursor (~/.cursor/mcp.json)

{
  "mcpServers": {
    "rag": {
      "command": "uvx",
      "args": [
        "ragmcp-cli",
        "mcp"
      ],
      "env": {
        "OPENROUTER_API_KEY": "your-value"
      }
    }
  }
}

VS Code (mcp.json)

{
  "servers": {
    "rag": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "ragmcp-cli",
        "mcp"
      ],
      "env": {
        "OPENROUTER_API_KEY": "your-value"
      }
    }
  }
}

Werte, die du selbst einträgst

  • OPENROUTER_API_KEY geheim erforderlich env
    OpenRouter-Schlüssel für die Antwortsynthese und das gehostete Re-Ranking; die exakte Wortsuche funktioniert auch ohne ihn.
    Englisches Original anzeigenOpenRouter key for answer synthesis and hosted reranking; exact-word search works without it

Beschreibungen 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.

Auf einen Blick

Downloads pro Wochei
116/Wo.
Verbindung
Läuft auf deinem Computer
Neueste Versioni
0.3.0
In der Registry veröffentlichti
12. Nov. 2026
Code zuletzt geänderti
18. Nov. 2026
Entwickler
MasihMoafi
Pakete
pypi: ragmcp-cli
Website
github.com
Registry-Status
Aktiv

Welche Apps ihn nutzen können

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

Alle Apps, mit Vor- und Nachteilen →

Was er kann

Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 20. Nov. 2026

  • ✓ Bestanden

    Entwickler passt zum Repo

    Der Registry-Name wurde mit dem GitHub-Konto MasihMoafi bestätigt, dem das Repo gehört

  • ✓ Bestanden

    Wird noch gepflegt

    Code zuletzt geändert: vorgestern

  • ✓ Bestanden

    Hat eine Lizenz

    Nutzt MIT

  • – Nicht zutreffend

    Endpunkt antwortet

    Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet

  • – Nicht zutreffend

    Anmeldung mit OAuth

    Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen

  • … Noch nicht geprüft

    Keine versteckten Anweisungen in Tool-Beschreibungen

    Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen

Veröffentlichte Schwachstellen (OSV.dev)

Keine Einträge auf OSV.dev für ragmcp-cli@0.3.0

Prüft nur diese Paketversion, nicht alle Abhängigkeiten · geprüft 15. Nov. 2026

Was wir prüfen → · JSON

Entwickler: neue Prüfung anfordern oder falsche Angaben melden
Für Anbieter: Badge ins README

Wenn du das gebaut hast, füge diesen Code in dein README ein. Das Badge verlinkt auf diese Seite.

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/masihmoafi-rag-mcp.svg)](https://mcp.popnx.com/en/servers/masihmoafi-rag-mcp)

Diskussion

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.

Anmelden, um zu posten

Nutzerbewertungen

Noch keine Bewertungen

Anmelden, um eine Bewertung zu schreiben

Im Vergleich mit anderen in Suche & KI-Gedächtnisi

  • Mehr Sterne als 92 % der anderen 6470 Server in dieser Kategorie
  • Neuer in der Registry veröffentlicht als 84 % der anderen 6470 Server in dieser Kategorie
  • Basischecks gleich gut wie oder besser als bei 99 % der anderen 6470 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist rag-mcp sicher?

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.

Welche Schlüssel oder Codes braucht er?

Das musst du eintragen: OPENROUTER_API_KEY

Läuft er auf meinem Computer oder in der Cloud?

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).

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt vorgestern geändert, und die neueste Version (0.3.0) kam vor 8 Tagen in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.

Was kann ich stattdessen nutzen?

In derselben Kategorie: OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)

Ähnliche Alternativen

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

OpenSEO

Keyword research, site audits, rank tracking and AI visibility for your AI agent.

von every-appWeit verbreitet★ 28.285Aktualisiert vor 6 Tagen

Läuft in der Cloud✓ everyapp.com

Exa

Official Exa MCP for web search, content fetching, and multi-step research.

von exa-labsWeit verbreitet★ 5245Aktualisiert heute

Läuft in der Cloud✓ vom Dienst · exa.aiVom PopNx-Team ausprobiert

Microsoft Learn MCP

Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.

von MicrosoftDocsWeit verbreitet★ 2000Aktualisiert vor 12 Monaten

Läuft in der Cloud✓ vom Dienst · microsoft.comVom PopNx-Team ausprobiert

Docs

Search and read Empryo's documentation. Read-only, no auth, no local access.

von proxysoulWachsend★ 1628Aktualisiert vor 2 Monaten

Läuft in der Cloud✓ empryo.com

COTAL actions (cotal.ai)

cotal.ai actions: product overview, site search, build log, feedback, Cloud waitlist, updates, calls

von Cotal-AIWachsend★ 403Aktualisiert vor 2 Monaten

Läuft in der Cloud✓ vom Dienst · cotal.ai
Im Vergleich mit ähnlichen
Dieser
rag-mcp
OpenSEOExaMicrosoft Learn MCPDocsCOTAL actions (cotal.ai)
Läuft woWird auf deinem Rechner installiertLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine Installation
Braucht SchlüsselJaNeinNeinNeinNeinNein
Mit + in Claude hinzufügenNeinJaJaJaNeinNein
Basisprüfungen3/35/52/44/44/44/4
LizenzMITMITMITCC-BY-4.0NOASSERTIONApache-2.0
PreisKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im Register

README vom Entwickler

README öffnen

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.


name: rag-mcp type: scoped hybrid-RAG CLI and MCP server for agents and document workflows


A coding agent should not have to choose between opening files one at a time and dumping an entire repository into context.

Beta · v0.3.1 · Linux (verified; Python 3.13)

Install • Evals • How it works • Deep-Dive Post

Quick start

Install with one line, or with the package manager you already use:

curl -LsSf https://raw.githubusercontent.com/MasihMoafi/rag-mcp/main/install.sh | sh   # adds uv if missing

uv tool install ragmcp-cli # or: pipx install ragmcp-cli · npm install -g ragmcp-cli

Then give your coding agent the tool, or ask from the terminal:

rag connect claude                # or: codex, copilot, gemini, agy

rag query "What changed?" --path ./docs rag # menu: ask, connect an agent, add meaning search or an answer key

It works with no account and no key: exact-word search (BM25) is on from the start, and without an answer model a question returns the best matching passages, which is what an agent reads anyway. Two optional steps add more, both from the rag menu:

  • Meaning search: rag setup picks an embedding model (Ollama, a local CPU model, OpenRouter, OpenAI, Gemini or any OpenAI-compatible server), so a search also finds passages in other words.
  • Written answers: if you are signed in to Codex (codex login, with a ChatGPT plan), rag writes answers with it at no extra cost; otherwise rag key set saves an OpenRouter key. RAG_MCP_ANSWER_PROVIDER picks auto (Codex first), codex, openrouter or off.

Tested on Linux. Studio is not included in this release.

What leaves your machine: answer synthesis sends the question and selected evidence to Codex (your ChatGPT sign-in) or to OpenRouter (rag key set or OPENROUTER_API_KEY). When an OpenRouter key is available, hosted reranking is enabled by default and sends the query and candidate passages to OpenRouter; use rag config reranker off to disable it. Hosted embedding and optional contextual retrieval also send text to their configured providers. Source files and indexes remain local. FastEmbed may download models unless HF_HUB_OFFLINE=1 or TRANSFORMERS_OFFLINE=1 is set.

More commands and client setup

rag                           # menu at a terminal; help when piped

rag setup --auto # take the recommendation without questions rag doctor rag query "What changed?" --path /absolute/path/to/document-or-folder --top3 rag workspaces --json # list local workspaces rag search "What changed?" --path ./docs # passages only, never an answer (or --workspace ID) rag query "What changed?" --workspace personal --top 3 rag connect codex # or: claude, copilot, gemini or agy (registers the MCP server)

Bare rag opens the menu at a terminal and prints help otherwise. rag setup offers an interactive provider picker. Use explicit command flags for automation. Run the installer again to update. RAGMCP_EXTRAS=office (or full, qdrant, anthropic) before sh adds extras; RAGMCP_REF installs a tag or branch.

From a checkout
git clone https://github.com/MasihMoafi/rag-mcp

cd rag-mcp python scripts/bootstrap.py # uv sync --all-extras --group dev, then the test suite uv run rag doctor

Manual test equivalent:

uv sync --all-extras --group dev

.venv/bin/python -m pytest tests/ -v

Any MCP client can register rag mcp once rag is installed.

Claude Code
claude mcp add rag -s user -- rag mcp
Any MCP client

Clients that accept standard MCP JSON can use:

{

"mcpServers": { "rag": { "type": "stdio", "command": "rag", "args": ["mcp"] } } }

From a checkout, use /absolute/path/to/rag-mcp/.venv/bin/python /absolute/path/to/rag-mcp/server.py as the command instead.

Codex
rag connect codex

Expected result: the client discovers query_knowledge_base, and a query returns only a readable answer from the requested document scope.

Demo

A first run of 0.3.1 in a clean home folder, with no account and no key (recorded 12 Nov 2026). Bare rag opens the menu, and a question returns the matching passages with file and lines:

$ rag

rag · search your documents from this terminal or from your coding agent Exact-word search: on · Meaning search: off · Written answers: off: questions return the matching passages ◆ What would you like to do? ❯ Ask about a file or folder Connect your coding agent (Claude Code, Codex, ...) Add or change the embedding model (meaning search) ...

$ rag query "What are the upload limits?" --path ./docs Best matching passages (no answer model is set up; sign in to Codex with codex login, or add an OpenRouter key with rag key set, for written answers):

[1] limits.md (L1-L4)

Limits

Uploads are limited to 10 MiB per file and 50 MiB per request.

Signed in to Codex, the same kind of question gets a written answer:

$ rag query "How long do we keep customer files after an account closes?" --path ./docs

Customer files are kept for 30 days after an account closes, then deleted.

What it is

rag-mcp is an answer-producing hybrid RAG CLI and MCP server. Point it at an explicit supported file or narrow directory, ask a question in plain language, and receive a grounded answer without retrieval internals in the public result.

The source documents and vector index remain local. The configured Qwen embedding, Cohere reranking, and DeepSeek synthesis calls use OpenRouter. The answer tool keeps retrieved chunks and scores out of its response; a shared conversation also returns run and conversation IDs. rag search can return passage text and scores; MCP workspace search returns them when include_content: true is set.

Why it exists

Coding agents commonly retrieve context by either opening files one by one or loading a large portion of the repository. The first can miss relevant files; the second consumes context with material the current task may not need.

rag-mcp moves retrieval and answer synthesis behind one scoped tool call so the agent does not receive the source tree or intermediate chunks in its context.

Core features

  • Scoped retrieval. Search an explicit file, narrow folder, or saved workspace; scope tests cover the boundary.
  • Hybrid search. Combine BM25 and embeddings, fuse ranks, and rerank; the retrieval evaluation records results on 153 questions.
  • Document readers. Read PDF, HTML, notebooks, and optional office formats; see the format allowlist.
  • CLI and MCP. Ask through rag or an MCP client; MCP host tests exercise the server.
  • Shared workspaces. CLI and MCP share sources and revisions; see the workspace store.
  • Answer boundary. The answer-only decoder rejects malformed results and unexpected fields; see its implementation.

How it works

Answer pipeline

The approved hosted profile uses BM25 plus OpenRouter qwen/qwen3-embedding-4b, fuses the best 50 candidates with RRF, asks cohere/rerank-4-fast for the best five, then asks deepseek/deepseek-v4.1-flash for a concise grounded answer. The CLI prints that answer. The MCP answer tool returns the answer without private paths, scores, or internal retrieval data. When requested, the answer can include short quotes and available source references. PDF page references use file positions. Missing printed page numbers remain unavailable. A query must name an explicit supported file, a narrow directory, or a saved workspace. Directory queries accept an optional file-type filter. With no OpenRouter key and no explicit reranker choice, a fresh local profile keeps reranking off so retrieval-only BM25 search works without provider setup. Adding a key enables the hosted reranker default; an explicit reranker choice always takes precedence.

On 22 September 2026, OpenRouter served no endpoint for Qwen3 Reranker 4B or 0.6B. The configured Cohere fallback was verified live at $0.002 per search; the pipeline still fails clearly rather than silently skipping reranking.

The complete hosted profile was exercised live on 2026-09-22 with 60 synthetic Markdown chunks: Qwen embedded the corpus and query, RRF supplied 50 candidates, Cohere returned all 50 scores, five passages reached DeepSeek, and the public result contained only the correct answer. OpenRouter reported a total cost of $0.00214904. This is a wiring check, not a retrieval-quality benchmark.

The public answer pipeline operates across three stages:

  1. Scoped ingestion: The caller supplies one supported file or an explicit narrow directory. An optional extension filter can limit a directory—for example, to .md while excluding HTML. Chunks are indexed for BM25 and Qwen3 Embedding 4B dense retrieval.
  2. Precision funnel: BM25 and dense results are fused with Reciprocal Rank Fusion (RRF, k=60). At most 50 fused candidates reach Cohere Rerank 4 Fast; it keeps five.
  3. Answer boundary: DeepSeek V4.1 Flash answers from those five passages. The answer tool returns readable answer text; shared-conversation responses also carry run and conversation IDs.

The answer-only decoder accepts a nonempty result string, optionally with a string reason, or a nonempty error string. Legacy passage arrays, unexpected metadata fields, malformed JSON, and empty output fail closed instead of being serialized to the caller.

Use rag.core.RAGPipeline and rag.fetch.query_documents for new Python callers. RAGPipelineV2, fetchExternalKnowledge, and the original core chunk/BM25 imports remain compatibility entry points. Parser functions can also be imported directly, for example rag.parsers.pdf.extract_pdf_text; importing one reader does not load unrelated formats. Existing pipeline extraction overrides are retained.

Repository structure:

rag-mcp/

├── server.py # stdio JSON-RPC MCP host ├── rag/ # chunking, BM25, vector search, reranking └── utils/proxy.py # local proxy-environment handling

Approved hosted-profile boundaries:

  • answer tool query_knowledge_base and retrieval-only search_workspace for a saved workspace;
  • embeddings: OpenRouter qwen/qwen3-embedding-4b plus always-on BM25;
  • reranking: OpenRouter cohere/rerank-4-fast, with no silent fallback;
  • synthesis: OpenRouter deepseek/deepseek-v4.1-flash;
  • local embedded/on-disk LanceDB by default, with Qdrant as an optional backend;
  • each call names a supported file or narrow directory with doc_path, or a saved workspace with workspace_id;
  • per-path

Nur der Anfang wird gezeigt; den Rest findest du im Repo