timesfm
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
Local-first RAG MCP server: hybrid search over a folder of your own documents
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 | 21/80 | GitHub-Sterne oder wöchentliche Downloads: der größere Wert zählt 60, der kleinere 20 |
|---|---|---|
| Aktualität | 12/12 | Volle Punkte für Release oder Codeänderung in 30 Tagen |
| Antwortet noch | 0/8 | Der Cloud-Endpoint antwortete bei der letzten Prüfung |
| Nutzungswert | 33/100 |
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 Minirag MCP. Folge https://mcp.popnx.com/i/sfrangulov-minirag-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 17. 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 Minirag 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
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 Minirag 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": { "minirag": { "command": "uvx", "args": [ "minirag-mcp" ], "env": { "CHUNK_TOKEN_BUDGET": "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 CHUNK_TOKEN_BUDGET "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 Minirag 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.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
uv --versionMac: ⌘ + 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
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.
SettingsDeveloperEdit Config
{
"mcpServers": {
"minirag": {
"command": "uvx",
"args": [
"minirag-mcp"
],
"env": {
"CHUNK_TOKEN_BUDGET": "your-value"
}
}
}
}Füge den Schlüssel nur in das Feld der App ein, nie in einen Chat und schick ihn niemandem
Nutze Minirag MCP und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Claude sagt, dass es Minirag MCP nutzt, oder ein Werkzeug von Minirag MCP 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 Ein Dokumentenstammverzeichnis; zugleich die Sicherheitsgrenze für Dateizugriffe. Standardmäßig das Arbeitsverzeichnis des Prozesses. Wird ignoriert, wenn BASE_DIRS gesetzt ist. BASE_DIRS JSON-Array der Dokumentwurzeln, z. B. "/docs/a", "/docs/b". Hat Vorrang vor BASE_DIR. Ein ungültiger Wert ist ein schwerwiegender Konfigurationsfehler. DB_PATH LanceDB-Indexverzeichnis. Standardmäßig /.minirag/lancedb, sodass jedes Korpus einen eigenen Index erhält. CACHE_DIR Cache des Embedding-Modells. Standardmäßig wird das Benutzer-Cache-Verzeichnis der Plattform verwendet, sodass das etwa 220 MB große Modell nur einmal heruntergeladen und gemeinsam genutzt wird. MODEL_NAME fastembed-Modell-ID. Eine Änderung macht vorhandene Vektoren mit neuen Abfragen inkompatibel; kombinieren Sie sie mit einem neuen DB_PATH oder einer vollständigen Neuerfassung. MAX_FILE_SIZE Größenbegrenzung pro Datei in Bytes, die vor dem Parsen erzwungen wird. RAG_HYBRID_WEIGHT Gewichtung der Schlüsselwörter bei der gewichteten RRF-Fusion, Bereich 0.0-1.0. 0 bedeutet nur Vektoren; höhere Werte erhöhen den Beitrag von BM25. RAG_GROUPING Filter zur Gruppierung der Ergebnisse. 'similar' behält nur die nächstliegende Gruppe; 'related' behält zusätzlich die nächste Gruppe. Ohne Angabe wird kein Gruppierungsfilter angewendet. RAG_MAX_DISTANCE Verwirft Ergebnisse, deren Vektordistanz diesen Wert überschreitet. Ein niedrigerer Wert ist strenger. Ohne Angabe wird kein Distanzfilter angewendet. RAG_MAX_FILES Behält Chunks aus höchstens dieser Anzahl der am besten bewerteten Dateien. Ohne Angabe erfolgt keine Filterung pro Datei. RAG_INSTRUCTIONS_APPEND Zusätzlicher Absatz, der an die Anweisungen angehängt wird, die der Server dem Client beim Verbindungsaufbau übergibt, für korpusspezifische Hinweise. ALLOW_PRIVATE_URLS Erlaubt ingest_url, Hosts abzurufen, die auf Loopback-, Link-Local-, private, reservierte oder nicht spezifizierte Adressen auflösen. Standardmäßig deaktiviert. 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 Minirag MCP noch nicht verbinden
Minirag MCP läuft auf deinem Computer, aber ChatGPT verbindet nur Server, die im Web laufen
A · Eine App nutzen, die Minirag MCP verbinden kann
Klappt mit Claude Code, aber erst etwas vorbereiten
Du brauchst einen Schlüssel von Minirag MCP (auf der Seite des Anbieters erstellen) · Installiere zuerst Python (uv) 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 Minirag 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 minirag --env CHUNK_TOKEN_BUDGET=your-value -- uvx minirag-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 CHUNK_TOKEN_BUDGET "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 Minirag 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.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
uv --versionMac: ⌘ + 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
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.
Mac: Command+Leertaste drücken und Terminal tippen · Windows: PowerShell öffnen
claude mcp add --scope user minirag --env CHUNK_TOKEN_BUDGET=your-value -- uvx minirag-mcpErsetze „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
Minirag MCP sollte in der Liste als verbunden erscheinen
Nutze Minirag MCP und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Claude Code sagt, dass es Minirag MCP nutzt, oder ein Werkzeug von Minirag MCP 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 Ein Dokumentenstammverzeichnis; zugleich die Sicherheitsgrenze für Dateizugriffe. Standardmäßig das Arbeitsverzeichnis des Prozesses. Wird ignoriert, wenn BASE_DIRS gesetzt ist. BASE_DIRS JSON-Array der Dokumentwurzeln, z. B. "/docs/a", "/docs/b". Hat Vorrang vor BASE_DIR. Ein ungültiger Wert ist ein schwerwiegender Konfigurationsfehler. DB_PATH LanceDB-Indexverzeichnis. Standardmäßig /.minirag/lancedb, sodass jedes Korpus einen eigenen Index erhält. CACHE_DIR Cache des Embedding-Modells. Standardmäßig wird das Benutzer-Cache-Verzeichnis der Plattform verwendet, sodass das etwa 220 MB große Modell nur einmal heruntergeladen und gemeinsam genutzt wird. MODEL_NAME fastembed-Modell-ID. Eine Änderung macht vorhandene Vektoren mit neuen Abfragen inkompatibel; kombinieren Sie sie mit einem neuen DB_PATH oder einer vollständigen Neuerfassung. MAX_FILE_SIZE Größenbegrenzung pro Datei in Bytes, die vor dem Parsen erzwungen wird. RAG_HYBRID_WEIGHT Gewichtung der Schlüsselwörter bei der gewichteten RRF-Fusion, Bereich 0.0-1.0. 0 bedeutet nur Vektoren; höhere Werte erhöhen den Beitrag von BM25. RAG_GROUPING Filter zur Gruppierung der Ergebnisse. 'similar' behält nur die nächstliegende Gruppe; 'related' behält zusätzlich die nächste Gruppe. Ohne Angabe wird kein Gruppierungsfilter angewendet. RAG_MAX_DISTANCE Verwirft Ergebnisse, deren Vektordistanz diesen Wert überschreitet. Ein niedrigerer Wert ist strenger. Ohne Angabe wird kein Distanzfilter angewendet. RAG_MAX_FILES Behält Chunks aus höchstens dieser Anzahl der am besten bewerteten Dateien. Ohne Angabe erfolgt keine Filterung pro Datei. RAG_INSTRUCTIONS_APPEND Zusätzlicher Absatz, der an die Anweisungen angehängt wird, die der Server dem Client beim Verbindungsaufbau übergibt, für korpusspezifische Hinweise. ALLOW_PRIVATE_URLS Erlaubt ingest_url, Hosts abzurufen, die auf Loopback-, Link-Local-, private, reservierte oder nicht spezifizierte Adressen auflösen. Standardmäßig deaktiviert. 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
Du brauchst einen Schlüssel von Minirag MCP (auf der Seite des Anbieters erstellen) · Installiere zuerst Python (uv) 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 Minirag 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": { "minirag": { "command": "uvx", "args": [ "minirag-mcp" ], "env": { "CHUNK_TOKEN_BUDGET": "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 CHUNK_TOKEN_BUDGET "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 Minirag 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.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
uv --versionMac: ⌘ + 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
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.
In den Einstellungen von Minirag MCP ist CHUNK_TOKEN_BUDGET 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
Nutze Minirag MCP und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Cursor sagt, dass es Minirag MCP nutzt, oder ein Werkzeug von Minirag MCP 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 Ein Dokumentenstammverzeichnis; zugleich die Sicherheitsgrenze für Dateizugriffe. Standardmäßig das Arbeitsverzeichnis des Prozesses. Wird ignoriert, wenn BASE_DIRS gesetzt ist. BASE_DIRS JSON-Array der Dokumentwurzeln, z. B. "/docs/a", "/docs/b". Hat Vorrang vor BASE_DIR. Ein ungültiger Wert ist ein schwerwiegender Konfigurationsfehler. DB_PATH LanceDB-Indexverzeichnis. Standardmäßig /.minirag/lancedb, sodass jedes Korpus einen eigenen Index erhält. CACHE_DIR Cache des Embedding-Modells. Standardmäßig wird das Benutzer-Cache-Verzeichnis der Plattform verwendet, sodass das etwa 220 MB große Modell nur einmal heruntergeladen und gemeinsam genutzt wird. MODEL_NAME fastembed-Modell-ID. Eine Änderung macht vorhandene Vektoren mit neuen Abfragen inkompatibel; kombinieren Sie sie mit einem neuen DB_PATH oder einer vollständigen Neuerfassung. MAX_FILE_SIZE Größenbegrenzung pro Datei in Bytes, die vor dem Parsen erzwungen wird. RAG_HYBRID_WEIGHT Gewichtung der Schlüsselwörter bei der gewichteten RRF-Fusion, Bereich 0.0-1.0. 0 bedeutet nur Vektoren; höhere Werte erhöhen den Beitrag von BM25. RAG_GROUPING Filter zur Gruppierung der Ergebnisse. 'similar' behält nur die nächstliegende Gruppe; 'related' behält zusätzlich die nächste Gruppe. Ohne Angabe wird kein Gruppierungsfilter angewendet. RAG_MAX_DISTANCE Verwirft Ergebnisse, deren Vektordistanz diesen Wert überschreitet. Ein niedrigerer Wert ist strenger. Ohne Angabe wird kein Distanzfilter angewendet. RAG_MAX_FILES Behält Chunks aus höchstens dieser Anzahl der am besten bewerteten Dateien. Ohne Angabe erfolgt keine Filterung pro Datei. RAG_INSTRUCTIONS_APPEND Zusätzlicher Absatz, der an die Anweisungen angehängt wird, die der Server dem Client beim Verbindungsaufbau übergibt, für korpusspezifische Hinweise. ALLOW_PRIVATE_URLS Erlaubt ingest_url, Hosts abzurufen, die auf Loopback-, Link-Local-, private, reservierte oder nicht spezifizierte Adressen auflösen. Standardmäßig deaktiviert. 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
Du brauchst einen Schlüssel von Minirag MCP (auf der Seite des Anbieters erstellen) · Installiere zuerst Python (uv) 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 Minirag 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": { "minirag": { "type": "stdio", "command": "uvx", "args": [ "minirag-mcp" ], "env": { "CHUNK_TOKEN_BUDGET": "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 CHUNK_TOKEN_BUDGET "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 Minirag 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.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
uv --versionMac: ⌘ + 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
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.
VS Code fragt nach einer Bestätigung; klicke Install
In den Einstellungen von Minirag MCP ist CHUNK_TOKEN_BUDGET 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
Nutze Minirag MCP und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn VS Code sagt, dass es Minirag MCP nutzt, oder ein Werkzeug von Minirag MCP 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 Ein Dokumentenstammverzeichnis; zugleich die Sicherheitsgrenze für Dateizugriffe. Standardmäßig das Arbeitsverzeichnis des Prozesses. Wird ignoriert, wenn BASE_DIRS gesetzt ist. BASE_DIRS JSON-Array der Dokumentwurzeln, z. B. "/docs/a", "/docs/b". Hat Vorrang vor BASE_DIR. Ein ungültiger Wert ist ein schwerwiegender Konfigurationsfehler. DB_PATH LanceDB-Indexverzeichnis. Standardmäßig /.minirag/lancedb, sodass jedes Korpus einen eigenen Index erhält. CACHE_DIR Cache des Embedding-Modells. Standardmäßig wird das Benutzer-Cache-Verzeichnis der Plattform verwendet, sodass das etwa 220 MB große Modell nur einmal heruntergeladen und gemeinsam genutzt wird. MODEL_NAME fastembed-Modell-ID. Eine Änderung macht vorhandene Vektoren mit neuen Abfragen inkompatibel; kombinieren Sie sie mit einem neuen DB_PATH oder einer vollständigen Neuerfassung. MAX_FILE_SIZE Größenbegrenzung pro Datei in Bytes, die vor dem Parsen erzwungen wird. RAG_HYBRID_WEIGHT Gewichtung der Schlüsselwörter bei der gewichteten RRF-Fusion, Bereich 0.0-1.0. 0 bedeutet nur Vektoren; höhere Werte erhöhen den Beitrag von BM25. RAG_GROUPING Filter zur Gruppierung der Ergebnisse. 'similar' behält nur die nächstliegende Gruppe; 'related' behält zusätzlich die nächste Gruppe. Ohne Angabe wird kein Gruppierungsfilter angewendet. RAG_MAX_DISTANCE Verwirft Ergebnisse, deren Vektordistanz diesen Wert überschreitet. Ein niedrigerer Wert ist strenger. Ohne Angabe wird kein Distanzfilter angewendet. RAG_MAX_FILES Behält Chunks aus höchstens dieser Anzahl der am besten bewerteten Dateien. Ohne Angabe erfolgt keine Filterung pro Datei. RAG_INSTRUCTIONS_APPEND Zusätzlicher Absatz, der an die Anweisungen angehängt wird, die der Server dem Client beim Verbindungsaufbau übergibt, für korpusspezifische Hinweise. ALLOW_PRIVATE_URLS Erlaubt ingest_url, Hosts abzurufen, die auf Loopback-, Link-Local-, private, reservierte oder nicht spezifizierte Adressen auflösen. Standardmäßig deaktiviert. 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 minirag --env CHUNK_TOKEN_BUDGET=your-value -- uvx minirag-mcpClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"minirag": {
"command": "uvx",
"args": [
"minirag-mcp"
],
"env": {
"CHUNK_TOKEN_BUDGET": "your-value"
}
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"minirag": {
"command": "uvx",
"args": [
"minirag-mcp"
],
"env": {
"CHUNK_TOKEN_BUDGET": "your-value"
}
}
}
}VS Code (mcp.json)
{
"servers": {
"minirag": {
"type": "stdio",
"command": "uvx",
"args": [
"minirag-mcp"
],
"env": {
"CHUNK_TOKEN_BUDGET": "your-value"
}
}
}
}BASE_DIR envBASE_DIRS envDB_PATH envCACHE_DIR envMODEL_NAME envMAX_FILE_SIZE envCHUNK_TOKEN_BUDGET geheim erforderlich envRAG_HYBRID_WEIGHT envRAG_GROUPING envRAG_MAX_DISTANCE envRAG_MAX_FILES envRAG_INSTRUCTIONS_APPEND envALLOW_PRIVATE_URLS 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.
pypi: minirag-mcpBasierend 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 sfrangulov bestätigt, dem das Repo gehört
Code zuletzt geändert: vorgestern
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
Noch nicht geprüft
Wenn du das gebaut hast, füge diesen Code in dein README ein. Das Badge verlinkt auf diese Seite.
[](https://mcp.popnx.com/en/servers/sfrangulov-minirag-mcp)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.
Das musst du eintragen: CHUNK_TOKEN_BUDGET
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 vorgestern geändert, und die neueste Version (1.1.1) kam vorgestern in die Registry.
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) 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 Minirag MCP | 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 | Ja | 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.
A local-first RAG (retrieval-augmented generation) MCP server. Point it at a folder of documents and it gives your MCP client (Claude Code, Cursor, Codex, ...) hybrid search — semantic vector similarity plus a keyword boost for exact terms — over that content.
Nothing leaves your machine except two things: the one-time embedding-model download on first use, and the explicit ingest_url call when you ask it to fetch a web page. Ingesting local files, indexing, and querying never touch the network.
It is a Python, MCP-native analog of shinpr/mcp-local-rag (TypeScript), built on fastmcp, fastembed, and LanceDB.
find_mentions lists every document that contains a word or phrase, not the top few, and says how many documents it searched, so "list all", "how many" and "it is not there" get a complete answer. See Finding every mention.markitdown (PDF, DOCX, PPTX, XLSX, HTML, CSV, EPUB, Jupyter notebooks, Markdown, and plain text), plus direct text/markdown/HTML ingestion and URL fetching.status always answers.Every client below launches the same process; only the config format differs. Replace /absolute/path/to/docs with the folder you want indexed.
The invocation is uvx minirag-mcp. It resolves and caches the package on first run, so start-up is slow once and fast afterwards.
uvx resolves that name from PyPI, so the snippets below work from release 0.1.0 onward; on an earlier revision use From an unreleased revision instead. That distinction is worth checking before you paste: claude mcp add writes the entry without ever running the command, so an unresolvable package looks like a successful setup and only fails later, silently, when the client tries to launch the server.
claude mcp add minirag --scope user --env BASE_DIR=/absolute/path/to/docs \
-- uvx minirag-mcp
A Claude Desktop extension, minirag-mcp.mcpb, installs without uv, a terminal or a JSON file: open it (double-click, or Settings > Extensions > Advanced settings > Install Extension…), pick the Documents folder, then ask Claude to "sync minirag". It is not published yet; build it from a clone (npx, so Node.js, runs the official packer):
uv run python mcpb/build.py # writes dist/minirag-mcp.mcpb
uv run python mcpb/smoke.py dist/minirag-mcp.mcpb # install and start it as Desktop does
lancedb publishes no package for them..minirag folder inside the documents folder. The [ocr] and [classify] extras are not included.Verified: the official mcpb CLI validates and packs it, and mcpb/smoke.py passes on an Apple Silicon Mac and, in CI (.github/workflows/bundle.yml), on GitHub's macOS (Apple Silicon) and Windows x64 runners. That script repeats outside the app what Claude Desktop 3.6556 does with such a file — unpack it into a folder whose path has a space, run uv sync --quiet there, start the server with the manifest's arguments, the picked folder and only the environment variables Desktop passes on — and checks initialize, the tool list and status; --search also indexes and finds a document (run on the Mac only). It uses uv 0.9.7, which Desktop downloads when a machine has no uv. Not verified: installing through the Desktop app itself, on macOS or Windows — the install dialog, the folder picker, the extension appearing under Connectors. The first start after installing took 4–9 seconds on the CI runners but about 50 on the development Mac, loading native libraries for the first time (later starts: about 2); whether Desktop waits that long is untested. If the extension shows as failed right after installing, turn it off and on in Settings > Extensions.
Edit the config file — create it if it does not exist:
| macOS | ~/Library/Application Support/Claude/claude_desktop_config.json |
| Windows | %APPDATA%\Claude\claude_desktop_config.json |
| Linux | ~/.config/Claude/claude_desktop_config.json |
{
"mcpServers": { "minirag": { "command": "/absolute/path/to/uvx", "args": ["minirag-mcp"], "env": { "BASE_DIR": "/absolute/path/to/docs" } } } }
Then quit Claude Desktop completely (Cmd+Q on macOS, not just closing the window) and reopen it. The config is read at launch; closing the window leaves the old process running with the old config.
Two things that catch people out:
Give `command` an absolute path. Desktop apps do not inherit your shell's PATH. uvx usually lives in ~/.local/bin, which is not on the PATH a GUI-launched process sees, so a bare "uvx" fails with nothing useful in the UI. Run which uvx and paste the result. The other snippets on this page can use a bare uvx because a terminal-launched client has your PATH.
Merge, do not replace. If the file already exists it holds your other servers and preferences under the same top-level object — add minirag inside the existing mcpServers, and leave everything else alone. Back the file up first; a malformed JSON file makes Desktop start with no servers at all and says little about why.
To check the config before restarting, run the same command by hand — it should print your configuration and exit:
BASE_DIR=/absolute/path/to/docs /absolute/path/to/uvx minirag-mcp status
~/.cursor/mcp.json){
"mcpServers": { "minirag": { "command": "uvx", "args": ["minirag-mcp"], "env": { "BASE_DIR": "/absolute/path/to/docs" } } } }
~/.codex/config.toml)[mcp_servers.minirag]
command = "uvx" args = ["minirag-mcp"]
[mcp_servers.minirag.env] BASE_DIR = "/absolute/path/to/docs"
To run a revision that hasn't been released to PyPI — an unreleased fix, or one specific commit — install from this repository instead. In any snippet above, replace uvx minirag-mcp with:
uvx --from git+https://github.com/sfrangulov/minirag-mcp minirag-mcp
As an argument list, that is ["--from", "git+https://github.com/sfrangulov/minirag-mcp", "minirag-mcp"]. Append @ to the URL to pin a revision.
For development, or to run the CLI against a working tree you can edit:
git clone https://github.com/sfrangulov/minirag-mcp
cd minirag-mcp uv sync uv run minirag-mcp status --base-dir /absolute/path/to/docs
The index starts empty — nothing is scanned until you ask for it:
sync_start, then poll sync_status until it reports succeeded). From a terminal you can do the same thing synchronously: minirag-mcp sync --base-dir /absolute/path/to/docs.query_documents).The first sync (or the first ingest of any kind) downloads the embedding model — see Requirements.
uvx)Files under the document root(s) with one of these 13 extensions are picked up by sync_start/sync and ingest_file/ingest and converted to Markdown, all but .vtt by markitdown:
.md .markdown .txt .pdf .docx .pptx .xlsx .html .htm .csv .epub .ipynb .vtt
A .vtt is a WebVTT transcript, the format Teams and Zoom export a call in. Each turn becomes a **Speaker** MM:SS line followed by what was said, with the segments Teams cuts one utterance into joined back together, so a call is chunked as a transcript. It is read by a parser of its own: markitdown has no WebVTT converter and would index the raw cue ids and timings as plain text. A .vtt that cannot be parsed, or whose encoding cannot be told (save it as UTF-8), fails instead.
A scan skips dot-prefixed names and the ~$…