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
教 AI 做这类工作的 Skill,可与本项一起使用
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
列表按使用分(满分 100)排序,由以下部分组成
| 热度 | 21/80 | GitHub 星标或每周下载量:较大的计 60,较小的计 20 |
|---|---|---|
| 新鲜度 | 12/12 | 30 天内有发布或代码更新得满分 |
| 仍在响应 | 0/8 | 上次检查时云端端点有响应 |
| 使用分 | 33/100 |
质量: 基础检查通过 3/3 项(仅展示,不用于排序) · 上升势头: 暂无数据 (只用于“上升中”标签)
选择你使用的 AI 应用,然后复制设置。
用一句话让 AI 帮你安装
请帮我安装 Minirag MCP。按照 https://mcp.popnx.com/i/sfrangulov-minirag-mcp.md 操作,先把命令给我看,等我同意后再运行。粘贴到能在你电脑上工作的 AI(如 Claude Code、Cursor)。它会读取我们的步骤,先给你看命令,等你同意。无需密钥,无需注册。 · 查看 AI 会读取的全文
通过 3/3 项检查 · 在你的电脑上运行 · ✓ 命令已检查 2026年11月17日
第一步:你用哪个 AI?
选择你用的应用,步骤会显示在下方。
可连接 Claude,但需要先准备
需要 Minirag MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Python (uv)(只需一次) · 仅限电脑上的 Claude 应用(Windows 或 Mac),网页和手机不可用
把这段话复制到 Claude 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 Claude 安装 MCP server Minirag MCP,按顺序:1) 用 uv --version 检查是否有 uv。没有的话,请让我从 https://docs.astral.sh/uv/getting-started/installation/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "mcpServers": { "minirag": { "command": "uvx", "args": [ "minirag-mcp" ], "env": { "CHUNK_TOKEN_BUDGET": "your-value" } } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) CHUNK_TOKEN_BUDGET 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Minirag MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
uv --versionMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: uv 没有点选式安装程序。从 uv 官方页面复制适合你系统(macOS 或 Windows)的一行命令,粘贴到终端 · 不需要单独安装 Python,uv 会在需要时自动下载
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: uv --version
安装一次,所有需要 uv 的工具都能用
SettingsDeveloperEdit Config
{
"mcpServers": {
"minirag": {
"command": "uvx",
"args": [
"minirag-mcp"
],
"env": {
"CHUNK_TOKEN_BUDGET": "your-value"
}
}
}
}只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人
用 Minirag MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Claude 说正在使用 Minirag MCP,或回答中出现 Minirag MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
BASE_DIR 一个文档根目录;同时也是文件访问的安全边界。默认为进程的工作目录。设置了 BASE_DIRS 时忽略此项。 BASE_DIRS 文档根目录的 JSON 数组,例如 "/docs/a", "/docs/b"。优先于 BASE_DIR。无效值属于严重配置错误。 DB_PATH LanceDB 索引目录。默认为 /.minirag/lancedb,因此每个语料库都有自己的索引。 CACHE_DIR 嵌入模型缓存。默认为平台用户缓存目录,因此约 220 MB 的模型只需下载一次并共享使用。 MODEL_NAME fastembed 模型 ID。修改后,现有向量将与新查询不兼容;应与新的 DB_PATH 或完整的重新导入一起使用。 MAX_FILE_SIZE 每个文件的大小限制(以字节为单位),在解析之前强制执行。 RAG_HYBRID_WEIGHT 加权 RRF 融合中关键词的权重,范围 0.0-1.0。0 表示仅使用向量,值越高则 BM25 的贡献越大。 RAG_GROUPING 结果分组过滤器。'similar' 仅保留最接近的一组;'related' 还会保留下一组。未设置时表示不使用分组过滤。 RAG_MAX_DISTANCE 丢弃向量距离超过此值的结果。值越低越严格。未设置则表示不进行距离过滤。 RAG_MAX_FILES 最多保留来自这么多个得分最高文件的分块。未设置则表示不进行每个文件的过滤。 RAG_INSTRUCTIONS_APPEND 在服务器连接时提供给客户端的指令末尾追加的额外段落,用于特定语料库的指导。 ALLOW_PRIVATE_URLS 允许 ingest_url 抓取解析到环回、链路本地、私有、保留或未指定地址的主机。默认关闭。 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同
ChatGPT 暂时无法连接 Minirag MCP
Minirag MCP 需要安装在你的电脑上,而 ChatGPT 只能连接在网上运行的服务器
A · 使用能连接 Minirag MCP 的应用
可连接 Claude Code,但需要先准备
需要 Minirag MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Python (uv)(只需一次)
把这段话复制到 Claude Code 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 Claude Code 安装 MCP server Minirag MCP,按顺序:1) 用 uv --version 检查是否有 uv。没有的话,请让我从 https://docs.astral.sh/uv/getting-started/installation/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):claude mcp add --scope user minirag --env CHUNK_TOKEN_BUDGET=your-value -- uvx minirag-mcp 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) CHUNK_TOKEN_BUDGET 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Minirag MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
uv --versionMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: uv 没有点选式安装程序。从 uv 官方页面复制适合你系统(macOS 或 Windows)的一行命令,粘贴到终端 · 不需要单独安装 Python,uv 会在需要时自动下载
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: uv --version
安装一次,所有需要 uv 的工具都能用
Mac:按 Command+空格,输入 Terminal · Windows:打开 PowerShell
claude mcp add --scope user minirag --env CHUNK_TOKEN_BUDGET=your-value -- uvx minirag-mcp按 Enter 前,把“your-value”改成你的密钥
只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人
应能看到 Minirag MCP 在列表中并显示已连接
用 Minirag MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Claude Code 说正在使用 Minirag MCP,或回答中出现 Minirag MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
BASE_DIR 一个文档根目录;同时也是文件访问的安全边界。默认为进程的工作目录。设置了 BASE_DIRS 时忽略此项。 BASE_DIRS 文档根目录的 JSON 数组,例如 "/docs/a", "/docs/b"。优先于 BASE_DIR。无效值属于严重配置错误。 DB_PATH LanceDB 索引目录。默认为 /.minirag/lancedb,因此每个语料库都有自己的索引。 CACHE_DIR 嵌入模型缓存。默认为平台用户缓存目录,因此约 220 MB 的模型只需下载一次并共享使用。 MODEL_NAME fastembed 模型 ID。修改后,现有向量将与新查询不兼容;应与新的 DB_PATH 或完整的重新导入一起使用。 MAX_FILE_SIZE 每个文件的大小限制(以字节为单位),在解析之前强制执行。 RAG_HYBRID_WEIGHT 加权 RRF 融合中关键词的权重,范围 0.0-1.0。0 表示仅使用向量,值越高则 BM25 的贡献越大。 RAG_GROUPING 结果分组过滤器。'similar' 仅保留最接近的一组;'related' 还会保留下一组。未设置时表示不使用分组过滤。 RAG_MAX_DISTANCE 丢弃向量距离超过此值的结果。值越低越严格。未设置则表示不进行距离过滤。 RAG_MAX_FILES 最多保留来自这么多个得分最高文件的分块。未设置则表示不进行每个文件的过滤。 RAG_INSTRUCTIONS_APPEND 在服务器连接时提供给客户端的指令末尾追加的额外段落,用于特定语料库的指导。 ALLOW_PRIVATE_URLS 允许 ingest_url 抓取解析到环回、链路本地、私有、保留或未指定地址的主机。默认关闭。 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同
可连接 Cursor,但需要先准备
需要 Minirag MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Python (uv)(只需一次)
把这段话复制到 Cursor 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 Cursor 安装 MCP server Minirag MCP,按顺序:1) 用 uv --version 检查是否有 uv。没有的话,请让我从 https://docs.astral.sh/uv/getting-started/installation/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "mcpServers": { "minirag": { "command": "uvx", "args": [ "minirag-mcp" ], "env": { "CHUNK_TOKEN_BUDGET": "your-value" } } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) CHUNK_TOKEN_BUDGET 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Minirag MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
uv --versionMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: uv 没有点选式安装程序。从 uv 官方页面复制适合你系统(macOS 或 Windows)的一行命令,粘贴到终端 · 不需要单独安装 Python,uv 会在需要时自动下载
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: uv --version
安装一次,所有需要 uv 的工具都能用
在 Minirag MCP 的设置中,CHUNK_TOKEN_BUDGET 还是空的,填入你的密钥并保存
只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人
用 Minirag MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Cursor 说正在使用 Minirag MCP,或回答中出现 Minirag MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
BASE_DIR 一个文档根目录;同时也是文件访问的安全边界。默认为进程的工作目录。设置了 BASE_DIRS 时忽略此项。 BASE_DIRS 文档根目录的 JSON 数组,例如 "/docs/a", "/docs/b"。优先于 BASE_DIR。无效值属于严重配置错误。 DB_PATH LanceDB 索引目录。默认为 /.minirag/lancedb,因此每个语料库都有自己的索引。 CACHE_DIR 嵌入模型缓存。默认为平台用户缓存目录,因此约 220 MB 的模型只需下载一次并共享使用。 MODEL_NAME fastembed 模型 ID。修改后,现有向量将与新查询不兼容;应与新的 DB_PATH 或完整的重新导入一起使用。 MAX_FILE_SIZE 每个文件的大小限制(以字节为单位),在解析之前强制执行。 RAG_HYBRID_WEIGHT 加权 RRF 融合中关键词的权重,范围 0.0-1.0。0 表示仅使用向量,值越高则 BM25 的贡献越大。 RAG_GROUPING 结果分组过滤器。'similar' 仅保留最接近的一组;'related' 还会保留下一组。未设置时表示不使用分组过滤。 RAG_MAX_DISTANCE 丢弃向量距离超过此值的结果。值越低越严格。未设置则表示不进行距离过滤。 RAG_MAX_FILES 最多保留来自这么多个得分最高文件的分块。未设置则表示不进行每个文件的过滤。 RAG_INSTRUCTIONS_APPEND 在服务器连接时提供给客户端的指令末尾追加的额外段落,用于特定语料库的指导。 ALLOW_PRIVATE_URLS 允许 ingest_url 抓取解析到环回、链路本地、私有、保留或未指定地址的主机。默认关闭。 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 Cursor 帮助页面核实 · 你的界面可能因版本略有不同
可连接 VS Code,但需要先准备
需要 Minirag MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Python (uv)(只需一次)
把这段话复制到 VS Code 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 VS Code 安装 MCP server Minirag MCP,按顺序:1) 用 uv --version 检查是否有 uv。没有的话,请让我从 https://docs.astral.sh/uv/getting-started/installation/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "servers": { "minirag": { "type": "stdio", "command": "uvx", "args": [ "minirag-mcp" ], "env": { "CHUNK_TOKEN_BUDGET": "your-value" } } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) CHUNK_TOKEN_BUDGET 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Minirag MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
uv --versionMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: uv 没有点选式安装程序。从 uv 官方页面复制适合你系统(macOS 或 Windows)的一行命令,粘贴到终端 · 不需要单独安装 Python,uv 会在需要时自动下载
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: uv --version
安装一次,所有需要 uv 的工具都能用
在 Minirag MCP 的设置中,CHUNK_TOKEN_BUDGET 还是空的,填入你的密钥并保存
只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人
用 Minirag MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 VS Code 说正在使用 Minirag MCP,或回答中出现 Minirag MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
BASE_DIR 一个文档根目录;同时也是文件访问的安全边界。默认为进程的工作目录。设置了 BASE_DIRS 时忽略此项。 BASE_DIRS 文档根目录的 JSON 数组,例如 "/docs/a", "/docs/b"。优先于 BASE_DIR。无效值属于严重配置错误。 DB_PATH LanceDB 索引目录。默认为 /.minirag/lancedb,因此每个语料库都有自己的索引。 CACHE_DIR 嵌入模型缓存。默认为平台用户缓存目录,因此约 220 MB 的模型只需下载一次并共享使用。 MODEL_NAME fastembed 模型 ID。修改后,现有向量将与新查询不兼容;应与新的 DB_PATH 或完整的重新导入一起使用。 MAX_FILE_SIZE 每个文件的大小限制(以字节为单位),在解析之前强制执行。 RAG_HYBRID_WEIGHT 加权 RRF 融合中关键词的权重,范围 0.0-1.0。0 表示仅使用向量,值越高则 BM25 的贡献越大。 RAG_GROUPING 结果分组过滤器。'similar' 仅保留最接近的一组;'related' 还会保留下一组。未设置时表示不使用分组过滤。 RAG_MAX_DISTANCE 丢弃向量距离超过此值的结果。值越低越严格。未设置则表示不进行距离过滤。 RAG_MAX_FILES 最多保留来自这么多个得分最高文件的分块。未设置则表示不进行每个文件的过滤。 RAG_INSTRUCTIONS_APPEND 在服务器连接时提供给客户端的指令末尾追加的额外段落,用于特定语料库的指导。 ALLOW_PRIVATE_URLS 允许 ingest_url 抓取解析到环回、链路本地、私有、保留或未指定地址的主机。默认关闭。 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 VS Code 帮助页面核实 · 你的界面可能因版本略有不同
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 机密 必填 envRAG_HYBRID_WEIGHT envRAG_GROUPING envRAG_MAX_DISTANCE envRAG_MAX_FILES envRAG_INSTRUCTIONS_APPEND envALLOW_PRIVATE_URLS env说明为自动翻译,变量名保持原样;不确定时请查看原文。
这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同,请以 README 为准。
依据这个服务器的连接方式和各应用自己的文档,检查于 2026年11月10日。
在你的电脑上运行,适用于
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
它在你的电脑上运行;安装后,工具列表会显示在你的 AI 应用中。
我们检查的是任何人都能看到的信息;我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月19日
注册名称已通过 GitHub 账户 sfrangulov 验证,该账户拥有此仓库
代码最后更新于前天
使用 MIT
它在你的电脑上运行,没有互联网端点
在你的电脑上运行,改用本地设置
它在你的电脑上运行;我们只能读取互联网端点的工具列表
尚未检查
如果你是作者,可把这段代码贴到 README。徽章会链接回本页。
[](https://mcp.popnx.com/en/servers/sfrangulov-minirag-mcp)提问、分享技巧或报告无法使用。按“有帮助”数量排序。
还没有评价
与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时,星标数才计入。
它在 3 项适用的基础检查中通过了 3 项。我们没有阅读代码。在添加密钥或令牌之前,请先看看这个服务器要求哪些权限,并使用只具备所需权限的密钥。
你需要填写:CHUNK_TOKEN_BUDGET
它在你的电脑上运行。你的 AI 应用会在需要时启动它,数据不会经过作者的服务器(除非它自己调用在线服务)。
GitHub 仓库最后更新于前天,最新版本(1.1.1)于前天进入注册中心。
支持 MCP 的应用,例如 Claude Desktop、Claude Code、Cursor 和 VS Code。你的电脑上还需要有 Python (uv)。
同一分类中有:OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
同一分类、其他作者、命令已通过检查。官方的排在前面,再按星标排序。
如何看卡片:↓ 每周下载量i★ GitHub 星标i三大支柱:评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i
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.
cotal.ai actions: product overview, site search, build log, feedback, Cloud waitlist, updates, calls
| 本项 Minirag MCP | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| 运行位置 | 需要安装在电脑上 | 在云端运行,无需安装 | 在云端运行,无需安装 | 在云端运行,无需安装 | 在云端运行,无需安装 | 在云端运行,无需安装 |
| 需要密钥 | 是 | 否 | 否 | 否 | 否 | 否 |
| 可在 Claude 中按 + 添加 | 否 | 是 | 是 | 是 | 否 | 否 |
| 基础检查 | 3/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| 许可证 | MIT | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-2.0 |
| 价格 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 |
按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。
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 ~$…