Skip to content
Conduit

mcp server

Agentic-RAG-Knowledge-Base

Local-first Agentic RAG knowledge base with hybrid retrieval, ReAct agent, Vue UI, Ollama/DeepSeek/OpenAI, MCP and Docker.

wdf-wyh/Agentic-RAG-Knowledge-Basecommunitylistedunreviewednot running here yet
Use tool

Set up

Runs on your computer. Pick your agent and operating system.

This project does not publish an install method we can turn into a config. Follow the README instead.

README

synced Oct 14, 2026

Agentic RAG Knowledge Base

一个面向本地部署 / 私有知识管理的 Agentic RAG 系统：文档入库 → 混合检索 → 带来源问答 → Agent 工具调用 → 可选联网搜索。

适合：想快速搭私有知识库的团队，以及想在 RAG 之上继续做 Agent / 多模型 / 企业能力的开发者。

为什么不是「又一个 RAG Demo」

常见 RAG 项目本项目
检索 → 一次生成回答RAG + ReAct Agent，可规划、调工具、多步推理
只有向量检索向量 + BM25 混合检索 + Rerank
脚本级 PoCVue 3 完整前端：流式对话、来源、历史、文件管理
绑定单一云厂商Ollama / DeepSeek / OpenAI / Gemini 可切换
难二次开发FastAPI + MCP Server，可接入 Cursor / Claude Desktop
无评测内置 RAG 回测（vector / bm25 / hybrid）
难上生产多租户、JWT/OIDC、审计、配额、Prometheus/Grafana

核心能力

  • Agentic Workflow — ReAct 推理循环：规划 → 工具调用 → 汇总
  • Hybrid Retrieval + Rerank — ChromaDB + BM25，bge-reranker-v2-m3 精排
  • GraphRAG — 轻量知识图谱，实体关系与多跳查询
  • Streaming Chat UI — 流式回答、思维过程、来源（页码 / chunk）
  • Local Embedding — bge-small-zh-v1.5，可完全离线
  • Incremental Index — 文件哈希增量重建
  • MCP Server — rag_search / graph_query 接入 IDE Agent
  • RAG Evaluation — CLI + 前端一键回测
  • Enterprise Ops — 多租户、审计、配额、Webhook、PII/ABAC、数据保留、合规导出、监控告警
  • Web Search Ready — 可选 SearXNG / Tavily

产品预览

登录页首页工作台
知识库构建文件管理
带来源问答智能 Agent
设置

Tech Stack

Frontend   Vue 3 · Vite · Element Plus
Backend    FastAPI · JWT / OIDC
Retrieval  ChromaDB · BM25 · Reranker · GraphRAG
LLM        Ollama · DeepSeek · OpenAI · Gemini
Ops        Docker Compose · Prometheus · Grafana · MCP

架构一览

┌─────────────┐     ┌──────────────────────┐     ┌─────────────────┐
│  Vue 3 UI   │────▶│  FastAPI + Agent     │────▶│  LLM Providers  │
│  Chat/KB/   │ SSE │  ReAct · Tools · MCP │     │  Ollama/Cloud   │
│  Eval/Admin │◀────│                      │◀────│                 │
└─────────────┘     └──────────┬───────────┘     └─────────────────┘
                               │
                    ┌──────────▼───────────┐
                    │ Hybrid Retriever     │
                    │ Vector + BM25 + Graph│
                    │ + Incremental Index  │
                    └──────────────────────┘

Quick Start

环境要求

  • Python 3.10+
  • Node.js 18+
  • 可选：Ollama（本地模型）

1. 安装与配置

pip install -r requirements.txt
cd frontend && npm install && cd ..
cp .env.example .env

在 .env 中至少配置一种模型：

模式关键配置
本地MODEL_PROVIDER=ollama
云端MODEL_PROVIDER=deepseek / openai / gemini + 对应 API Key

2. 一键启动

Windows

powershell -ExecutionPolicy Bypass -File .\start.ps1
# 或双击 start.bat

macOS / Linux

bash start.sh

手动启动

python run_api.py          # API  → http://localhost:8000
cd frontend && npm run dev # UI   → http://localhost:5173

Docker Compose

cp .env.example .env
docker compose up -d --build
# Web → http://localhost

3. 第一次使用

  1. 打开前端 → 设置 选择模型提供者
  2. 上传 md / pdf / docx / txt
  3. 构建知识库
  4. 用「纯 RAG」或「智能模式」提问

4. 进阶

# RAG 回测
python run_backtest.py --build

# MCP（Cursor / Claude Desktop）
python mcp_server.py

项目结构

.
├── src/
│   ├── agent/        # Agent、工具、意图路由
│   ├── api/          # FastAPI 路由
│   ├── core/         # 向量库、检索、文档处理
│   ├── services/     # LLM、会话、RAG
│   ├── config/       # 配置
│   └── utils/        # 日志、监控、重试
├── frontend/         # Vue 3 前端
├── deploy/           # Docker / 监控 / SearXNG
├── docs/             # 文档与截图
├── documents/        # 默认知识源
└── vector_db/        # 向量持久化

常用配置

详见 .env.example：

  • MODEL_PROVIDER / DEEPSEEK_API_KEY / OLLAMA_MODEL / OLLAMA_API_URL
  • VECTOR_DB_PATH / TOP_K / MAX_TOKENS
  • 联网搜索：TAVILY_API_KEY

文档

文档说明
Start Here最短上手路径
Quickstart快速开始
Agent 架构ReAct / 工具路由
企业部署多租户与运维
Demo 素材清单截图 / GIF
日志排查排障

English

Agentic RAG Knowledge Base is a local-first knowledge Q&A system for private deployments:

  • Hybrid retrieval (vector + BM25) with reranking
  • ReAct agent with tool calling and optional web search
  • Vue 3 streaming chat UI with citations and history
  • Multi-provider LLMs: Ollama, DeepSeek, OpenAI, Gemini
  • MCP server for Cursor / Claude Desktop
  • Built-in RAG evaluation and enterprise ops hooks
pip install -r requirements.txt
cd frontend && npm install && cd ..
cp .env.example .env
# set MODEL_PROVIDER + API key (or Ollama)
bash start.sh   # or start.ps1 / start.bat on Windows

Open http://localhost:5173, upload documents, build the index, and chat.

Roadmap

  • 更稳的默认配置与新手引导
  • HuggingFace Spaces / 在线 Demo
  • 更完整的英文文档与示例知识库
  • Agent 工具生态与插件市场

欢迎 Star / Issue / PR。如果你在私有化或中文知识库场景落地了，也欢迎分享反馈。

License

MIT

↑↓ navigate openesc close