minirag-mcp

minirag-mcp — MCP-сервер сообщества (автор — sfrangulov). Локальный RAG-сервер с гибридным поиском по папке документов. Ставится через uvx. Лицензия MIT.

Опубликовано 13.11.2026 · Обновлено 14.11.2026 · Проверено 13.11.2026

Кратко о сервере

Разработчик
sfrangulov
Лицензия
MIT
Транспорт
stdio
Авторизация
none
ОС
Не указана
Языки
python

Уровень риска: medium

Читает документы в BASE_DIR и строит локальный индекс; сеть только для загрузки модели и ingest_url.

Настройка клиентов

codex
{
    "code": "[mcp_servers.minirag]\ncommand = \"uvx\"\nargs = [\"minirag-mcp\"]\n\n[mcp_servers.minirag.env]\nBASE_DIR = \"/absolute/path/to/docs\"",
    "file": "~/.codex/config.toml",
    "lang": "toml",
    "verified": "docs"
}

Что умеет

minirag-mcp — локальный RAG-сервер (поиск с дополнением генерации). Укажите ему папку с документами, и MCP-клиент (Claude Code, Cursor, Codex и другие) получит гибридный поиск по её содержимому: семантическое сходство векторов плюс усиление по точным ключевым словам. Это Python-аналог проекта mcp-local-rag на TypeScript, построенный на fastmcp, fastembed и LanceDB.

С машины уходят только две вещи: однократная загрузка модели эмбеддингов при первом использовании и явный вызов ingest_url, когда вы просите загрузить веб-страницу. Индексация локальных файлов и запросы сеть не используют.

Возможности:

  • Гибридный поиск — сходство векторов (fastembed и ONNX) объединяется с ранжированием BM25 через взвешенный Reciprocal Rank Fusion, поэтому точные идентификаторы и коды ошибок находятся рядом с близкими по смыслу фрагментами.
  • Все упоминания с подсчётом — find_mentions перечисляет каждый документ со словом или фразой и сообщает, сколько документов просмотрено. Подходит для вопросов «перечисли все», «сколько» и «этого нет».
  • Похожие документы — если документ почти совпадает с другими (другая версия или документ по тому же шаблону), сервер называет их и долю общего текста.
  • Поиск по именам файлов, многоязычная модель по умолчанию (50+ языков, включая русский).
  • 12 форматов через markitdown: PDF, DOCX, PPTX, XLSX, HTML, CSV, EPUB, ноутбуки Jupyter, Markdown и текст. С дополнением [ocr] распознаются сканы, с [classify] — метки типа документа, проекта и даты.
  • Документ конвертируется один раз при индексации, а на вопрос возвращаются только нужные разделы.
  • Поиск по умолчанию — сервер передаёт клиенту правило направлять вопросы, на которые отвечают документы, в индекс, а не в память модели.

Инструменты (12): sync_start и sync_status (сверка индекса с папками в фоне), ingest_file, ingest_data, ingest_url, query_documents, find_mentions, read_chunk_neighbors, read_file, list_files, delete_file (удаляет запись только из индекса) и status.

Кому подойдёт

Тем, у кого много внутренних документов — регламентов, отчётов, стенограмм — и кто хочет искать по ним через агента, не отправляя файлы в облако. Похожие серверы — в категории знания и память.

Установка

Нужны Python 3.11+ и uv. Сервер запускается через uvx minirag-mcp: первый старт медленный, дальше пакет берётся из кеша. При первой индексации понадобится около 220 МБ на диске и сеть для загрузки модели. Папку задают переменной BASE_DIR. Учтите: claude mcp add записывает запись, не запуская команду, поэтому ошибку в имени пакета вы увидите только при запуске сервера.

Подключение к клиентам

Конфиги приведены дословно из README; замените путь к документам на свой. Подробнее — в инструкции как подключить MCP.

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

Для Claude Desktop нужен абсолютный путь к uvx; файл на macOS — ~/Library/Application Support/Claude/claude_desktop_config.json, в Linux — ~/.config/Claude/claude_desktop_config.json. Есть и установка в один клик. Для Cursor файл — ~/.cursor/mcp.json, для Codex — ~/.codex/config.toml.

Проверка

Попросите агента проиндексировать папку, затем спросите что-нибудь из документов.

Примеры задач

Найди все документы, где упоминается SOP-114, и процитируй код точно.
Что в наших регламентах сказано про согласование отпуска?

Риски

  • Чтение файлов в заданных папках. Все пути проверяются на нахождение внутри корня, включая символические ссылки.
  • Сеть — только загрузка модели и ingest_url; адреса локальной сети, loopback и метаданных облака отклоняются, схемы file: и data: запрещены.
  • Индекс хранится локально; исходные файлы сервер не меняет.

Частые вопросы

Поддерживается ли русский?

Да, модель по умолчанию многоязычная.

Удаляет ли delete_file файл с диска?

Нет, только из индекса.

Можно ли искать по сканам?

Да, с дополнением [ocr].

Основы протокола — на странице что такое MCP-сервер.

Похожие MCP-серверы

Memory

Эталонный сервер постоянной памяти на основе графа знаний.

Риск: high Лицензия: NOASSERTION ★ 92 089

Context7

Context7 даёт агентам актуальную документацию и примеры кода библиотек нужных версий.

Риск: medium Лицензия: MIT ★ 65 087

hindsight

Долговременная память для ИИ-агентов по образцу человеческой.

Риск: medium Лицензия: MIT ★ 61 836

cognee-mcp

Менеджер памяти cognee для ИИ-приложений на графовых и векторных хранилищах.

Риск: high Лицензия: Apache-2.0 ★ 33 236

Источники