プロトタイプ · プレビュー版:公式レジストリのすべてのサーバーを掲載し、30分ごとに同期しています。Google でログインするとレビューを書けます。プロトタイプ · 30分ごとに更新
PopNx MCPAIを使う人のためのMCPサーバー · やさしい言葉で解説

Minirag MCP

作者:sfrangulovバージョン 1.1.1i★ 60iパソコンで動くリポジトリ ↗
レジストリ名io.github.sfrangulov/minirag-mcp

インストール方法

What it does

Local-first RAG MCP server: hybrid search over a folder of your own documents

  • Connects パソコンで動く
  • Account or key Needs CHUNK_TOKEN_BUDGET
  • Category 検索・AIの記憶

一緒に使える

この種の作業を AI に教える Skill。これと一緒に使えます

timesfm

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

作者:google-research★ 35,6291 個の skill

Skill · 手順書

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…

作者:BigBodyCobain★ 11,6021 個の skill

Skill · 手順書

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

作者:gosom★ 8,2091 個の skill

Skill · 手順書

この順位の理由

一覧は利用スコア(100 点満点)で並びます。内訳は次のとおり

人気21/80GitHub スターか週間ダウンロード数。大きい方を 60、小さい方を 20 で数えます
新しさ12/1230 日以内のリリースかコード更新で満点
応答中0/8前回の確認でクラウドのエンドポイントが応答
利用スコア33/100

品質: 基本チェック 3/3 項目に合格(表示のみ、並び順には不使用) · 勢い: データなし (「急上昇」タブでのみ使用)

インストール

使っているAIアプリを選んで、設定をコピーしてください。

ひとことで AI にインストールしてもらう

Minirag MCP をインストールして。https://mcp.popnx.com/i/sfrangulov-minirag-mcp.md に従い、コマンドを見せて、私が OK するまで実行しないで。

パソコンで作業できる AI(Claude Code や Cursor など)に貼り付けます。手順を読み、コマンドを見せて、あなたの OK を待ちます。キー不要・登録不要。 · AI が読む全文を見る

チェック 3/3 合格 · あなたのパソコンで動きます · ✓ コマンド確認済み 2026年11月17日

まず:どの AI を使っていますか?

使っているアプリを選ぶと、下に手順が表示されます。

Claude につなげますが、先に準備が必要です

Minirag MCP のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ) · パソコン版 Claude アプリ(Windows または Mac)のみ。Web やスマホでは使えません

AI にインストールしてもらう

このメッセージを Claude のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの Claude に MCP server Minirag MCP を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "mcpServers": { "minirag": { "command": "uvx", "args": [ "minirag-mcp" ], "env": { "CHUNK_TOKEN_BUDGET": "your-value" } } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) CHUNK_TOKEN_BUDGET は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、Minirag MCP のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. Minirag MCP に登録してキーを作る

    提供元のサイトで登録し、次の手順で使う API キーを作ります。料金や無料プランは提供元のサイトで確認してください。

    Minirag MCP のサイトを開く ↗

  3. パソコン版 Claude アプリの設定ファイルを開く

    SettingsDeveloperEdit Config

  4. この設定を貼り付けて保存

    {
      "mcpServers": {
        "minirag": {
          "command": "uvx",
          "args": [
            "minirag-mcp"
          ],
          "env": {
            "CHUNK_TOKEN_BUDGET": "your-value"
          }
        }
      }
    }

    キーはアプリの入力欄にだけ貼り付け、チャットに貼ったり人に送ったりしないでください

  5. Claude を終了してもう一度開く

  6. 試してみる

    Minirag MCP を使って、私に何ができるか教えて、1 つやってみせて

    ✓ Claude が Minirag MCP を使っていると言うか、回答に Minirag MCP のツール名が出れば接続成功です

追加の設定 12 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • BASE_DIR ドキュメントのルートディレクトリは1つで、ファイルアクセスのセキュリティ境界にもなります。デフォルトはプロセスの作業ディレクトリです。BASE_DIRS が設定されている場合は無視されます。
    英語の原文を見るOne document root; also the security boundary for file access. Defaults to the process working directory. Ignored when BASE_DIRS is set.
  • BASE_DIRS ドキュメントルートの JSON 配列。例: "/docs/a", "/docs/b"。BASE_DIR より優先されます。無効な値は致命的な設定エラーになります。
    英語の原文を見るJSON array of document roots, e.g. ["/docs/a", "/docs/b"]. Takes precedence over BASE_DIR. An invalid value is a hard configuration error.
  • DB_PATH LanceDB のインデックスディレクトリ。既定値は /.minirag/lancedb で、各コーパスが独自のインデックスを持ちます。
    英語の原文を見るLanceDB index directory. Defaults to /.minirag/lancedb, so each corpus gets its own index.
  • CACHE_DIR 埋め込みモデルのキャッシュ。デフォルトはプラットフォームのユーザーキャッシュディレクトリです。約 220 MB のモデルは一度だけダウンロードされ、共有されます。
    英語の原文を見るEmbedding model cache. Defaults to the platform user cache dir, so the ~220 MB model is downloaded once and shared.
  • MODEL_NAME fastembed モデル ID。変更すると既存のベクトルが新しいクエリと互換性がなくなります。新しい DB_PATH または全件の再取り込みと組み合わせてください。
    英語の原文を見るfastembed model id. Changing it makes existing vectors incompatible with new queries; pair with a new DB_PATH or a full re-ingest.
    · 初期値 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
  • MAX_FILE_SIZE 解析前に適用される、ファイルごとのサイズ上限(バイト単位)。
    英語の原文を見るPer-file size limit in bytes, enforced before parsing.
    · 初期値 104857600
  • RAG_HYBRID_WEIGHT 重み付き RRF 融合におけるキーワードの重みで、範囲は 0.0~1.0 です。0 はベクトルのみを意味し、値を大きくするほど BM25 の寄与が増えます。
    英語の原文を見るKeyword weight in the weighted RRF fusion, range 0.0-1.0. 0 is vector-only; higher values raise the BM25 contribution.
    · 初期値 0.6
  • RAG_GROUPING 結果のグループ化フィルター。'similar' は最も近いグループのみを残し、'related' は次のグループも残します。未設定の場合、グループ化フィルターは適用されません。
    英語の原文を見るResult grouping filter. 'similar' keeps only the closest group; 'related' also keeps the next one. Unset means no grouping filter.
  • RAG_MAX_DISTANCE ベクトル距離がこの値を超える結果を破棄します。値が小さいほど厳格になります。未設定の場合は距離によるフィルタリングを行いません。
    英語の原文を見るDrop results whose vector distance exceeds this value. Lower is stricter. Unset means no distance filter.
  • RAG_MAX_FILES スコアが最も高いこの数までのファイルからのみチャンクを保持します。未設定の場合はファイルごとのフィルタリングは行いません。
    英語の原文を見るKeep chunks from at most this many best-scoring files. Unset means no per-file filter.
  • RAG_INSTRUCTIONS_APPEND 接続時にサーバーがクライアントへ渡す指示の末尾に追加される段落で、コーパス固有のガイダンス用です。
    英語の原文を見るExtra paragraph appended to the instructions the server hands the client at connect time, for corpus-specific guidance.
  • ALLOW_PRIVATE_URLS ingest_url が、ループバック、リンクローカル、プライベート、予約済み、未指定のアドレスに解決されるホストから取得することを許可します。デフォルトでは無効です。
    英語の原文を見るLet ingest_url fetch hosts resolving to loopback, link-local, private, reserved or unspecified addresses. Off by default.
    · 初期値 false

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に Anthropic のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

ChatGPT はまだ Minirag MCP につなげません

Minirag MCP はパソコンに入れて使うものですが、ChatGPT は Web 上で動くサーバーにしかつなげません

代わりにできること

A · Minirag MCP につなげるアプリを使う

  • Minirag MCP のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ) · パソコン版 Claude アプリ(Windows または Mac)のみ。Web やスマホでは使えません
  • Minirag MCP のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)
  • Minirag MCP のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)
  • Minirag MCP のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)

B · 検索・AIの記憶 の中で ChatGPT につなげる別のサーバー

同じカテゴリでよく使われているものから、キーなしでアドレスだけでつなげるものを選びました

Claude Code につなげますが、先に準備が必要です

Minirag MCP のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)

AI にインストールしてもらう

このメッセージを Claude Code のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの Claude Code に MCP server Minirag MCP を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):claude mcp add --scope user minirag --env CHUNK_TOKEN_BUDGET=your-value -- uvx minirag-mcp 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) CHUNK_TOKEN_BUDGET は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、Minirag MCP のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. Minirag MCP に登録してキーを作る

    提供元のサイトで登録し、次の手順で使う API キーを作ります。料金や無料プランは提供元のサイトで確認してください。

    Minirag MCP のサイトを開く ↗

  3. ターミナルを開く

    Mac:Command+スペースで Terminal と入力 · Windows:PowerShell を開く

  4. このコマンドを貼り付けて Enter

    claude mcp add --scope user minirag --env CHUNK_TOKEN_BUDGET=your-value -- uvx minirag-mcp

    Enter の前に「your-value」を自分のキーに書き換えてください

    キーはアプリの入力欄にだけ貼り付け、チャットに貼ったり人に送ったりしないでください

  5. Claude Code で /mcp と入力

    Minirag MCP が一覧にあり、接続済みと表示されれば OK です

  6. 試してみる

    Minirag MCP を使って、私に何ができるか教えて、1 つやってみせて

    ✓ Claude Code が Minirag MCP を使っていると言うか、回答に Minirag MCP のツール名が出れば接続成功です

追加の設定 12 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • BASE_DIR ドキュメントのルートディレクトリは1つで、ファイルアクセスのセキュリティ境界にもなります。デフォルトはプロセスの作業ディレクトリです。BASE_DIRS が設定されている場合は無視されます。
    英語の原文を見るOne document root; also the security boundary for file access. Defaults to the process working directory. Ignored when BASE_DIRS is set.
  • BASE_DIRS ドキュメントルートの JSON 配列。例: "/docs/a", "/docs/b"。BASE_DIR より優先されます。無効な値は致命的な設定エラーになります。
    英語の原文を見るJSON array of document roots, e.g. ["/docs/a", "/docs/b"]. Takes precedence over BASE_DIR. An invalid value is a hard configuration error.
  • DB_PATH LanceDB のインデックスディレクトリ。既定値は /.minirag/lancedb で、各コーパスが独自のインデックスを持ちます。
    英語の原文を見るLanceDB index directory. Defaults to /.minirag/lancedb, so each corpus gets its own index.
  • CACHE_DIR 埋め込みモデルのキャッシュ。デフォルトはプラットフォームのユーザーキャッシュディレクトリです。約 220 MB のモデルは一度だけダウンロードされ、共有されます。
    英語の原文を見るEmbedding model cache. Defaults to the platform user cache dir, so the ~220 MB model is downloaded once and shared.
  • MODEL_NAME fastembed モデル ID。変更すると既存のベクトルが新しいクエリと互換性がなくなります。新しい DB_PATH または全件の再取り込みと組み合わせてください。
    英語の原文を見るfastembed model id. Changing it makes existing vectors incompatible with new queries; pair with a new DB_PATH or a full re-ingest.
    · 初期値 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
  • MAX_FILE_SIZE 解析前に適用される、ファイルごとのサイズ上限(バイト単位)。
    英語の原文を見るPer-file size limit in bytes, enforced before parsing.
    · 初期値 104857600
  • RAG_HYBRID_WEIGHT 重み付き RRF 融合におけるキーワードの重みで、範囲は 0.0~1.0 です。0 はベクトルのみを意味し、値を大きくするほど BM25 の寄与が増えます。
    英語の原文を見るKeyword weight in the weighted RRF fusion, range 0.0-1.0. 0 is vector-only; higher values raise the BM25 contribution.
    · 初期値 0.6
  • RAG_GROUPING 結果のグループ化フィルター。'similar' は最も近いグループのみを残し、'related' は次のグループも残します。未設定の場合、グループ化フィルターは適用されません。
    英語の原文を見るResult grouping filter. 'similar' keeps only the closest group; 'related' also keeps the next one. Unset means no grouping filter.
  • RAG_MAX_DISTANCE ベクトル距離がこの値を超える結果を破棄します。値が小さいほど厳格になります。未設定の場合は距離によるフィルタリングを行いません。
    英語の原文を見るDrop results whose vector distance exceeds this value. Lower is stricter. Unset means no distance filter.
  • RAG_MAX_FILES スコアが最も高いこの数までのファイルからのみチャンクを保持します。未設定の場合はファイルごとのフィルタリングは行いません。
    英語の原文を見るKeep chunks from at most this many best-scoring files. Unset means no per-file filter.
  • RAG_INSTRUCTIONS_APPEND 接続時にサーバーがクライアントへ渡す指示の末尾に追加される段落で、コーパス固有のガイダンス用です。
    英語の原文を見るExtra paragraph appended to the instructions the server hands the client at connect time, for corpus-specific guidance.
  • ALLOW_PRIVATE_URLS ingest_url が、ループバック、リンクローカル、プライベート、予約済み、未指定のアドレスに解決されるホストから取得することを許可します。デフォルトでは無効です。
    英語の原文を見るLet ingest_url fetch hosts resolving to loopback, link-local, private, reserved or unspecified addresses. Off by default.
    · 初期値 false

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に Anthropic のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

Cursor につなげますが、先に準備が必要です

Minirag MCP のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)

AI にインストールしてもらう

このメッセージを Cursor のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの Cursor に MCP server Minirag MCP を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "mcpServers": { "minirag": { "command": "uvx", "args": [ "minirag-mcp" ], "env": { "CHUNK_TOKEN_BUDGET": "your-value" } } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) CHUNK_TOKEN_BUDGET は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、Minirag MCP のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. Minirag MCP に登録してキーを作る

    提供元のサイトで登録し、次の手順で使う API キーを作ります。料金や無料プランは提供元のサイトで確認してください。

    Minirag MCP のサイトを開く ↗

  3. このボタンで Cursor を開く

    Cursor で開く

    Cursor がインストールの確認をするので Install を押します

  4. キーを入力

    Minirag MCP の設定で CHUNK_TOKEN_BUDGET が空です。自分のキーを入れて保存します

    キーはアプリの入力欄にだけ貼り付け、チャットに貼ったり人に送ったりしないでください

  5. Cursor の AI チャットを Agent モードで開く

  6. 試してみる

    Minirag MCP を使って、私に何ができるか教えて、1 つやってみせて

    ✓ Cursor が Minirag MCP を使っていると言うか、回答に Minirag MCP のツール名が出れば接続成功です

追加の設定 12 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • BASE_DIR ドキュメントのルートディレクトリは1つで、ファイルアクセスのセキュリティ境界にもなります。デフォルトはプロセスの作業ディレクトリです。BASE_DIRS が設定されている場合は無視されます。
    英語の原文を見るOne document root; also the security boundary for file access. Defaults to the process working directory. Ignored when BASE_DIRS is set.
  • BASE_DIRS ドキュメントルートの JSON 配列。例: "/docs/a", "/docs/b"。BASE_DIR より優先されます。無効な値は致命的な設定エラーになります。
    英語の原文を見るJSON array of document roots, e.g. ["/docs/a", "/docs/b"]. Takes precedence over BASE_DIR. An invalid value is a hard configuration error.
  • DB_PATH LanceDB のインデックスディレクトリ。既定値は /.minirag/lancedb で、各コーパスが独自のインデックスを持ちます。
    英語の原文を見るLanceDB index directory. Defaults to /.minirag/lancedb, so each corpus gets its own index.
  • CACHE_DIR 埋め込みモデルのキャッシュ。デフォルトはプラットフォームのユーザーキャッシュディレクトリです。約 220 MB のモデルは一度だけダウンロードされ、共有されます。
    英語の原文を見るEmbedding model cache. Defaults to the platform user cache dir, so the ~220 MB model is downloaded once and shared.
  • MODEL_NAME fastembed モデル ID。変更すると既存のベクトルが新しいクエリと互換性がなくなります。新しい DB_PATH または全件の再取り込みと組み合わせてください。
    英語の原文を見るfastembed model id. Changing it makes existing vectors incompatible with new queries; pair with a new DB_PATH or a full re-ingest.
    · 初期値 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
  • MAX_FILE_SIZE 解析前に適用される、ファイルごとのサイズ上限(バイト単位)。
    英語の原文を見るPer-file size limit in bytes, enforced before parsing.
    · 初期値 104857600
  • RAG_HYBRID_WEIGHT 重み付き RRF 融合におけるキーワードの重みで、範囲は 0.0~1.0 です。0 はベクトルのみを意味し、値を大きくするほど BM25 の寄与が増えます。
    英語の原文を見るKeyword weight in the weighted RRF fusion, range 0.0-1.0. 0 is vector-only; higher values raise the BM25 contribution.
    · 初期値 0.6
  • RAG_GROUPING 結果のグループ化フィルター。'similar' は最も近いグループのみを残し、'related' は次のグループも残します。未設定の場合、グループ化フィルターは適用されません。
    英語の原文を見るResult grouping filter. 'similar' keeps only the closest group; 'related' also keeps the next one. Unset means no grouping filter.
  • RAG_MAX_DISTANCE ベクトル距離がこの値を超える結果を破棄します。値が小さいほど厳格になります。未設定の場合は距離によるフィルタリングを行いません。
    英語の原文を見るDrop results whose vector distance exceeds this value. Lower is stricter. Unset means no distance filter.
  • RAG_MAX_FILES スコアが最も高いこの数までのファイルからのみチャンクを保持します。未設定の場合はファイルごとのフィルタリングは行いません。
    英語の原文を見るKeep chunks from at most this many best-scoring files. Unset means no per-file filter.
  • RAG_INSTRUCTIONS_APPEND 接続時にサーバーがクライアントへ渡す指示の末尾に追加される段落で、コーパス固有のガイダンス用です。
    英語の原文を見るExtra paragraph appended to the instructions the server hands the client at connect time, for corpus-specific guidance.
  • ALLOW_PRIVATE_URLS ingest_url が、ループバック、リンクローカル、プライベート、予約済み、未指定のアドレスに解決されるホストから取得することを許可します。デフォルトでは無効です。
    英語の原文を見るLet ingest_url fetch hosts resolving to loopback, link-local, private, reserved or unspecified addresses. Off by default.
    · 初期値 false

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に Cursor のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

VS Code につなげますが、先に準備が必要です

Minirag MCP のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)

AI にインストールしてもらう

このメッセージを VS Code のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの VS Code に MCP server Minirag MCP を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "servers": { "minirag": { "type": "stdio", "command": "uvx", "args": [ "minirag-mcp" ], "env": { "CHUNK_TOKEN_BUDGET": "your-value" } } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) CHUNK_TOKEN_BUDGET は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、Minirag MCP のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. Minirag MCP に登録してキーを作る

    提供元のサイトで登録し、次の手順で使う API キーを作ります。料金や無料プランは提供元のサイトで確認してください。

    Minirag MCP のサイトを開く ↗

  3. このボタンで VS Code を開く

    VS Code で開く

    VS Code がインストールの確認をするので Install を押します

  4. キーを入力

    Minirag MCP の設定で CHUNK_TOKEN_BUDGET が空です。自分のキーを入れて保存します

    キーはアプリの入力欄にだけ貼り付け、チャットに貼ったり人に送ったりしないでください

  5. VS Code の AI チャットを Agent モードで開く

  6. 試してみる

    Minirag MCP を使って、私に何ができるか教えて、1 つやってみせて

    ✓ VS Code が Minirag MCP を使っていると言うか、回答に Minirag MCP のツール名が出れば接続成功です

追加の設定 12 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • BASE_DIR ドキュメントのルートディレクトリは1つで、ファイルアクセスのセキュリティ境界にもなります。デフォルトはプロセスの作業ディレクトリです。BASE_DIRS が設定されている場合は無視されます。
    英語の原文を見るOne document root; also the security boundary for file access. Defaults to the process working directory. Ignored when BASE_DIRS is set.
  • BASE_DIRS ドキュメントルートの JSON 配列。例: "/docs/a", "/docs/b"。BASE_DIR より優先されます。無効な値は致命的な設定エラーになります。
    英語の原文を見るJSON array of document roots, e.g. ["/docs/a", "/docs/b"]. Takes precedence over BASE_DIR. An invalid value is a hard configuration error.
  • DB_PATH LanceDB のインデックスディレクトリ。既定値は /.minirag/lancedb で、各コーパスが独自のインデックスを持ちます。
    英語の原文を見るLanceDB index directory. Defaults to /.minirag/lancedb, so each corpus gets its own index.
  • CACHE_DIR 埋め込みモデルのキャッシュ。デフォルトはプラットフォームのユーザーキャッシュディレクトリです。約 220 MB のモデルは一度だけダウンロードされ、共有されます。
    英語の原文を見るEmbedding model cache. Defaults to the platform user cache dir, so the ~220 MB model is downloaded once and shared.
  • MODEL_NAME fastembed モデル ID。変更すると既存のベクトルが新しいクエリと互換性がなくなります。新しい DB_PATH または全件の再取り込みと組み合わせてください。
    英語の原文を見るfastembed model id. Changing it makes existing vectors incompatible with new queries; pair with a new DB_PATH or a full re-ingest.
    · 初期値 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
  • MAX_FILE_SIZE 解析前に適用される、ファイルごとのサイズ上限(バイト単位)。
    英語の原文を見るPer-file size limit in bytes, enforced before parsing.
    · 初期値 104857600
  • RAG_HYBRID_WEIGHT 重み付き RRF 融合におけるキーワードの重みで、範囲は 0.0~1.0 です。0 はベクトルのみを意味し、値を大きくするほど BM25 の寄与が増えます。
    英語の原文を見るKeyword weight in the weighted RRF fusion, range 0.0-1.0. 0 is vector-only; higher values raise the BM25 contribution.
    · 初期値 0.6
  • RAG_GROUPING 結果のグループ化フィルター。'similar' は最も近いグループのみを残し、'related' は次のグループも残します。未設定の場合、グループ化フィルターは適用されません。
    英語の原文を見るResult grouping filter. 'similar' keeps only the closest group; 'related' also keeps the next one. Unset means no grouping filter.
  • RAG_MAX_DISTANCE ベクトル距離がこの値を超える結果を破棄します。値が小さいほど厳格になります。未設定の場合は距離によるフィルタリングを行いません。
    英語の原文を見るDrop results whose vector distance exceeds this value. Lower is stricter. Unset means no distance filter.
  • RAG_MAX_FILES スコアが最も高いこの数までのファイルからのみチャンクを保持します。未設定の場合はファイルごとのフィルタリングは行いません。
    英語の原文を見るKeep chunks from at most this many best-scoring files. Unset means no per-file filter.
  • RAG_INSTRUCTIONS_APPEND 接続時にサーバーがクライアントへ渡す指示の末尾に追加される段落で、コーパス固有のガイダンス用です。
    英語の原文を見るExtra paragraph appended to the instructions the server hands the client at connect time, for corpus-specific guidance.
  • ALLOW_PRIVATE_URLS ingest_url が、ループバック、リンクローカル、プライベート、予約済み、未指定のアドレスに解決されるホストから取得することを許可します。デフォルトでは無効です。
    英語の原文を見るLet ingest_url fetch hosts resolving to loopback, link-local, private, reserved or unspecified addresses. Off by default.
    · 初期値 false

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に VS Code のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

Windsurf、Zed、Gemini CLI など MCP を使える他のアプリは追加方法がそれぞれ違います。アプリ一覧で確認してください

MCP を使えるアプリをすべて見る →

JSON 設定は下の「開発者向け」にあります

つまずいたら?Minirag MCP を使っている人に聞いてみましょう💬 ディスカッション →
開発者向け:ターミナルのコマンドと JSON 設定

パソコンにインストール

Claude Code

claude mcp add --scope user minirag --env CHUNK_TOKEN_BUDGET=your-value -- uvx minirag-mcp

Claude 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"
      }
    }
  }
}

自分で入力する値

  • BASE_DIR env
    ドキュメントのルートディレクトリは1つで、ファイルアクセスのセキュリティ境界にもなります。デフォルトはプロセスの作業ディレクトリです。BASE_DIRS が設定されている場合は無視されます。
    英語の原文を見るOne document root; also the security boundary for file access. Defaults to the process working directory. Ignored when BASE_DIRS is set.
  • BASE_DIRS env
    ドキュメントルートの JSON 配列。例: "/docs/a", "/docs/b"。BASE_DIR より優先されます。無効な値は致命的な設定エラーになります。
    英語の原文を見るJSON array of document roots, e.g. ["/docs/a", "/docs/b"]. Takes precedence over BASE_DIR. An invalid value is a hard configuration error.
  • DB_PATH env
    LanceDB のインデックスディレクトリ。既定値は /.minirag/lancedb で、各コーパスが独自のインデックスを持ちます。
    英語の原文を見るLanceDB index directory. Defaults to /.minirag/lancedb, so each corpus gets its own index.
  • CACHE_DIR env
    埋め込みモデルのキャッシュ。デフォルトはプラットフォームのユーザーキャッシュディレクトリです。約 220 MB のモデルは一度だけダウンロードされ、共有されます。
    英語の原文を見るEmbedding model cache. Defaults to the platform user cache dir, so the ~220 MB model is downloaded once and shared.
  • MODEL_NAME env
    fastembed モデル ID。変更すると既存のベクトルが新しいクエリと互換性がなくなります。新しい DB_PATH または全件の再取り込みと組み合わせてください。
    英語の原文を見るfastembed model id. Changing it makes existing vectors incompatible with new queries; pair with a new DB_PATH or a full re-ingest.
  • MAX_FILE_SIZE env
    解析前に適用される、ファイルごとのサイズ上限(バイト単位)。
    英語の原文を見るPer-file size limit in bytes, enforced before parsing.
  • CHUNK_TOKEN_BUDGET 秘密 必須 env
    埋め込みモデル自身のトークン単位で表した検索単位のサイズ。範囲は 16-128。上限はモデルが学習した系列長です。
    英語の原文を見るRetrieval-unit size in the embedding model's own tokens. Range 16-128; the ceiling is the model's trained sequence length.
  • RAG_HYBRID_WEIGHT env
    重み付き RRF 融合におけるキーワードの重みで、範囲は 0.0~1.0 です。0 はベクトルのみを意味し、値を大きくするほど BM25 の寄与が増えます。
    英語の原文を見るKeyword weight in the weighted RRF fusion, range 0.0-1.0. 0 is vector-only; higher values raise the BM25 contribution.
  • RAG_GROUPING env
    結果のグループ化フィルター。'similar' は最も近いグループのみを残し、'related' は次のグループも残します。未設定の場合、グループ化フィルターは適用されません。
    英語の原文を見るResult grouping filter. 'similar' keeps only the closest group; 'related' also keeps the next one. Unset means no grouping filter.
  • RAG_MAX_DISTANCE env
    ベクトル距離がこの値を超える結果を破棄します。値が小さいほど厳格になります。未設定の場合は距離によるフィルタリングを行いません。
    英語の原文を見るDrop results whose vector distance exceeds this value. Lower is stricter. Unset means no distance filter.
  • RAG_MAX_FILES env
    スコアが最も高いこの数までのファイルからのみチャンクを保持します。未設定の場合はファイルごとのフィルタリングは行いません。
    英語の原文を見るKeep chunks from at most this many best-scoring files. Unset means no per-file filter.
  • RAG_INSTRUCTIONS_APPEND env
    接続時にサーバーがクライアントへ渡す指示の末尾に追加される段落で、コーパス固有のガイダンス用です。
    英語の原文を見るExtra paragraph appended to the instructions the server hands the client at connect time, for corpus-specific guidance.
  • ALLOW_PRIVATE_URLS env
    ingest_url が、ループバック、リンクローカル、プライベート、予約済み、未指定のアドレスに解決されるホストから取得することを許可します。デフォルトでは無効です。
    英語の原文を見るLet ingest_url fetch hosts resolving to loopback, link-local, private, reserved or unspecified addresses. Off by default.

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

この設定は、作者のレジストリ登録情報から作成しています。READMEと違う場合は、READMEに従ってください。

ひと目でわかる

週あたりのダウンロードi
111/週
接続方法
パソコンで動く
最新バージョンi
1.1.1
レジストリ公開日i
2026年11月17日
コードの最終更新i
2026年11月17日
作者
sfrangulov
パッケージ
pypi: minirag-mcp
ウェブサイト
github.com
レジストリでの状態
有効

使えるアプリ

このサーバーのつなぎ方と、各アプリの公式ドキュメントに基づきます。2026年11月10日に確認。

パソコン上で動かせるアプリ

ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast

すべてのアプリと長所・短所 →

できること

パソコンで動くサーバーです。インストールすると、ツール一覧がAIアプリに表示されます。

基本チェックi

誰でも見られる情報をチェックしており、コードは読んでいません。当てはまらない項目は数に入れていません。 · 2026年11月19日にチェック

  • ✓ 合格

    作者とリポジトリが一致

    レジストリ名は、リポジトリを所有するGitHubアカウント sfrangulov で確認済みです

  • ✓ 合格

    今もメンテナンスされている

    コードの最終更新:一昨日

  • ✓ 合格

    ライセンスがある

    MITを使用

  • – 対象外

    エンドポイントが応答する

    これはパソコンで動くため、インターネット上のエンドポイントはありません

  • – 対象外

    OAuthでサインイン

    パソコンで動き、代わりにローカルの設定を使います

  • … 未チェック

    ツールの説明に隠れた指示がない

    パソコンで動くサーバーです。ツール一覧を読み取れるのは、インターネット上のエンドポイントがある場合だけです

公開済みの脆弱性(OSV.dev)

まだ確認していません

確認していること → · JSON

作者の方へ:再確認の依頼・情報の誤りの報告
作者向け:README にバッジを付ける

作者の方は、このコードを README に貼れます。バッジはこのページにリンクします。

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

話し合い

質問、コツの共有、使えないことの報告ができます。「役に立った」の多い順です。

まだ投稿はありません。最初の質問や共有をどうぞ。

ここの投稿は利用者によるもので、PopNx チームのものではありません。

ログインして投稿

ユーザーレビュー

まだレビューはありません

ログインしてレビューを書く

検索・AIの記憶のほかのサーバーとの比較i

  • このカテゴリのほかの6394件のうち97%よりスターが多い
  • このカテゴリのほかの6394件のうち95%より最近レジストリに公開
  • 基本チェックの結果が、このカテゴリのほかの6394件のうち99%と同じかそれ以上

レジストリでこのカテゴリにある有効なすべてのサーバーと比較しています。スターは、公開者がリポジトリの所有者である場合だけ数えます。

よくある質問

Minirag MCPは安全ですか?

当てはまる基本チェック3項目のうち3項目に合格しました。コードは読んでいません。キーやトークンを追加する前に、サーバーがどんなアクセスを求めているかを確認し、必要な権限だけを持つキーを使ってください。

どんなキーやコードが必要ですか?

入力が必要なもの:CHUNK_TOKEN_BUDGET

パソコンで動きますか、それともクラウドですか?

あなたのパソコンで動きます。必要なときにAIアプリが起動し、データは作者のサーバーを通りません(サーバー自体がオンラインサービスを呼び出す場合を除きます)。

今もメンテナンスされていますか?

GitHubリポジトリの最終更新は一昨日、最新バージョン(1.1.1)がレジストリに届いたのは一昨日です。

どのアプリで使えますか?

Claude Desktop、Claude Code、Cursor、VS CodeなどのMCP対応アプリで使えます。パソコンにPython (uv)も必要です。

代わりに使えるものは?

同じカテゴリには:OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)

似た働きのほかの候補

同じカテゴリでほかの作者のもの。コマンドは確認済み。公式を先に、次にスター順。

カードの見方:↓ 週あたりのダウンロードi★ GitHubスターi3つの柱:レビュー · チェック · 利用状況i更新=最新バージョンをレジストリに公開した日i

OpenSEO

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

作者:every-app広く使われている★ 2.8万5 日前更新

クラウドで動く✓ everyapp.com

Exa

Connect AI agents to Exa for web search, content fetching, and multi-step research.

作者:exa-labs広く使われている★ 52422 か月前更新

クラウドで動く✓ 提供元 · exa.aiPopNx チームが実際に試用

Microsoft Learn MCP

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

作者:MicrosoftDocs広く使われている★ 199712 か月前更新

クラウドで動く✓ 提供元 · microsoft.comPopNx チームが実際に試用

Docs

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

作者:proxysoul成長中★ 16262 か月前更新

クラウドで動く✓ empryo.com
似たものと比べる
これ
Minirag MCP
OpenSEOExaMicrosoft Learn MCPDocsCOTAL actions (cotal.ai)
動く場所パソコンにインストールが必要クラウドで動き、インストール不要クラウドで動き、インストール不要クラウドで動き、インストール不要クラウドで動き、インストール不要クラウドで動き、インストール不要
キーが必要はいいいえいいえいいえいいえいいえ
Claude で + から追加いいえはいはいはいいいえいいえ
基本チェック3/35/52/44/44/44/4
ライセンスMITMITMITCC-BY-4.0NOASSERTIONApache-2.0
料金登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし

作者のREADME

READMEを開く

作者のリポジトリから書かれたとおりにコピーしたものです。PopNx MCPは内容を確認・推奨していません。HTML、画像、スクリプトは取り除いています。リンクはこのサイトの外へ移動します。

minirag-mcp

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.

Features

  • Hybrid search — vector similarity (fastembed/ONNX) fused with keyword ranking (LanceDB BM25 full-text search) by weighted Reciprocal Rank Fusion, so exact identifiers and error codes surface alongside semantically similar passages.
  • Every mention, counted — 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.
  • Look-alike documents named — a result whose document shares most of its text with other indexed documents, such as another version of it or a sibling from the same template, names them and how much text they share. See Look-alike documents.
  • Filenames are searchable — keyword search covers document titles as well as body text, and an informative filename becomes the document's title when the document's own heading is boilerplate. In many real document sets the filename is the only place the document code and subject appear at all. See Titles and filenames.
  • Multilingual by default — the default embedding model covers 50+ languages, so English and Russian corpora both work out of the box.
  • Converted once, not re-read every chat — a PDF handed to an assistant is read again, page by page, in every new conversation, and scanned pages cost the most. Here each document is converted (and OCRed) once at ingest, and a question brings back only the sections that answer it, so it costs those sections rather than the whole file.
  • Chunks sized in tokens, passages returned whole — what gets ranked is a small unit that fits the embedding model's 128-token ceiling; what comes back is the section around it — a transcript time window, a heading section, a slide, a table. See Chunking.
  • 12 file formats ingested via markitdown (PDF, DOCX, PPTX, XLSX, HTML, CSV, EPUB, Jupyter notebooks, Markdown, and plain text), plus direct text/markdown/HTML ingestion and URL fetching.
  • Scans, with the optional `[ocr]` extra — image-only PDFs are recognized page by page and standalone images become documents, locally, on the CPU. See OCR for scanned documents.
  • Document labels, with the optional `[classify]` extra — filter by kind of document, project and date, labelled locally. See Document labels (optional).
  • Searches without being asked — the server ships a routing policy that clients put in front of the model, so a question your documents can answer goes to the index instead of to the model's memory. See Search by Default.
  • MCP server and CLI over the same index — inspect and manage the index from a terminal without going through an MCP client.
  • Degrades gracefully — a broken configuration doesn't crash the server; every tool reports the error and status always answers.
  • No hidden network calls — see Security and Operation.

Quick Start

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 Code
claude mcp add minirag --scope user --env BASE_DIR=/absolute/path/to/docs \

-- uvx minirag-mcp

Claude Desktop (one-click)

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

  • Runs on Apple Silicon Macs with macOS 14 or later and on 64-bit Intel/AMD Windows. Intel Macs and Windows on ARM cannot install it: lancedb publishes no package for them.
  • Installing downloads the Python dependencies, about 650 MB on disk. The index lives in a hidden .minirag folder inside the documents folder. The [ocr] and [classify] extras are not included.
  • The file is unsigned: Desktop warns before installing it, and an organization that requires signed extensions refuses it.

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.

Claude Desktop

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 (~/.cursor/mcp.json)
{

"mcpServers": { "minirag": { "command": "uvx", "args": ["minirag-mcp"], "env": { "BASE_DIR": "/absolute/path/to/docs" } } } }

Codex (~/.codex/config.toml)
[mcp_servers.minirag]

command = "uvx" args = ["minirag-mcp"]

[mcp_servers.minirag.env] BASE_DIR = "/absolute/path/to/docs"

From an unreleased revision

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.

From a clone

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

First use

The index starts empty — nothing is scanned until you ask for it:

  1. Ask your client to sync: "sync minirag" (calls 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.
  2. Then query: "search minirag for ..." (calls query_documents).

The first sync (or the first ingest of any kind) downloads the embedding model — see Requirements.

Requirements

  • Python 3.11+
  • uv (provides uvx)
  • ~220 MB of disk space and a network connection the first time a document is ingested — fastembed downloads the quantized ONNX weights for the default model and caches them; every ingestion after that is fully offline.

Supported Content

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 ~$…

冒頭だけを表示しています。続きはリポジトリで読めます