RAG MCP: векторные базы, локальный RAG и графы знаний для агента

Qdrant MCP

Qdrant · векторная база

Карточка в каталоге

Сервер Qdrant с двумя инструментами: qdrant-store сохраняет текст с метаданными, qdrant-find находит похожее по смыслу. Коллекцию создаёт сам, эмбеддинги считает через FastEmbed.

Когда нужна семантическая память агента или база фрагментов на своём Qdrant, в Qdrant Cloud или в локальной папке без сервера.

{
  "mcpServers": {
    "qdrant": {
      "command": "uvx",
      "args": [
        "mcp-server-qdrant"
      ],
      "env": {
        "QDRANT_URL": "http://localhost:6333",
        "COLLECTION_NAME": "<имя коллекции>"
      }
    }
  }
}

Milvus MCP

Zilliz · векторная база

GitHub

Сервер для векторной базы Milvus: поиск по смыслу, полнотекстовый и гибридный, выборка по фильтрам, создание коллекций, запись и удаление данных.

Когда база знаний уже лежит в Milvus, своём или удалённом, и агенту нужно искать по коллекциям и дописывать в них данные.

git clone https://github.com/zilliztech/mcp-server-milvus.git
cd mcp-server-milvus
uv run src/mcp_server_milvus/server.py --milvus-uri http://localhost:19530

Weaviate MCP

Weaviate · векторная база

GitHub

MCP-сервер встроен в саму базу Weaviate: включается переменной MCP_SERVER_ENABLED=true и отвечает по адресу /v1/mcp на порту REST API. Отдельный сервер weaviate/mcp-server-weaviate больше не поддерживается.

Когда документы уже в Weaviate или Weaviate Cloud и агенту нужен гибридный поиск по коллекциям с фильтрами.

{
  "mcpServers": {
    "weaviate-local": {
      "type": "streamable-http",
      "url": "http://localhost:8080/v1/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

Pinecone MCP

Pinecone · векторная база

GitHub

Сервер для разработчиков на Pinecone: ищет по документации Pinecone, создаёт индексы со встроенной моделью эмбеддингов, загружает документы и ищет по ним по смыслу или ключевым словам.

Когда вы строите RAG на Pinecone в Cursor, Claude Code или Gemini CLI и хотите проверять запросы к индексу прямо из редактора.

{
  "mcpServers": {
    "pinecone": {
      "command": "npx",
      "args": [
        "-y",
        "@pinecone-database/mcp"
      ],
      "env": {
        "PINECONE_API_KEY": "<your pinecone api key>"
      }
    }
  }
}

Pinecone Assistant MCP

Pinecone · векторная база

GitHub

Сервер достаёт контекст из Pinecone Assistant, то есть из вашей базы знаний в Pinecone; число результатов настраивается.

Когда база знаний уже собрана в Pinecone Assistant и её нужно подключить к Claude Desktop или другому клиенту MCP.

docker build -t pinecone/assistant-mcp .
docker run -i --rm \
  -e PINECONE_API_KEY=<YOUR_PINECONE_API_KEY_HERE> \
  -e PINECONE_ASSISTANT_HOST=<YOUR_PINECONE_ASSISTANT_HOST_HERE> \
  pinecone/assistant-mcp

Elasticsearch MCP

cr7258 · векторная база

Карточка в каталоге

Подключает агента к кластеру Elasticsearch: индексы, маппинги, поиск на query DSL. Сервер cr7258 добавляет запись документов, алиасы и работу с OpenSearch.

Когда документы для поиска уже лежат в индексах Elasticsearch.

{
  "mcpServers": {
    "elasticsearch": {
      "command": "uvx",
      "args": [
        "elasticsearch-mcp-server"
      ],
      "env": {
        "ELASTICSEARCH_HOSTS": "https://localhost:9200",
        "ELASTICSEARCH_API_KEY": "<ваш API-ключ Elasticsearch>"
      }
    }
  }
}

OpenSearch MCP

OpenSearch Project · векторная база

Карточка в каталоге

Сервер OpenSearch Project: поиск по индексам на Query DSL и PPL, маппинги, шарды, здоровье кластера и вызов любого эндпоинта API.

Когда база документов в OpenSearch, развёрнутом у себя или в Amazon OpenSearch Service.

{
  "mcpServers": {
    "opensearch": {
      "command": "uvx",
      "args": [
        "opensearch-mcp-server-py"
      ],
      "env": {
        "OPENSEARCH_URL": "http://localhost:9200",
        "OPENSEARCH_USERNAME": "<логин>",
        "OPENSEARCH_PASSWORD": "<пароль>"
      }
    }
  }
}

Vectara MCP

Vectara · векторная база

GitHub

Подключает агента к RAG-платформе Vectara: ask_vectara ищет по корпусам и генерирует ответ вместе с найденными фрагментами, search_vectara только ищет. Ещё два инструмента проверяют текст на галлюцинации по исходным документам.

Когда документы загружены в корпуса Vectara и агенту нужен готовый ответ по ним.

pip install vectara-mcp
python -m vectara_mcp --stdio

MCP Local RAG

shinpr · локальный RAG

GitHub

Индексирует PDF, DOCX, Markdown и текстовые файлы на вашем компьютере и ищет по ним. Смысловое сходство дополняется совпадением ключевых слов, поэтому находятся и точные термины вроде имён API и кодов ошибок; в ответе фрагмент с заголовком, номером строки или страницы.

Когда нужен локальный RAG по папке с документами без API-ключей, Docker, Python и внешней базы.

claude mcp add local-rag --scope user --env BASE_DIR=/absolute/path/to/your/documents -- npx -y mcp-local-rag

haiku.rag

ggozad · локальный RAG

GitHub

Агентный RAG по своим документам с цитатами до номера страницы и заголовка раздела. Индекс во встроенной базе LanceDB, эмбеддинги и ответы по умолчанию считают открытые модели через Ollama, без сервера и ключей.

Когда документы — PDF и офисные файлы с таблицами и картинками, а ответ нужен со ссылкой на страницу и раздел.

pip install haiku.rag
haiku-rag init
haiku-rag add-src paper.pdf
haiku-rag mcp --stdio

RAGFlow MCP

InfiniFlow · локальный RAG

GitHub

Движок RAG с открытым кодом, который разворачивают у себя в Docker. Встроенный MCP-сервер отдаёт три инструмента: поиск фрагментов по наборам данных, список наборов и список чат-ассистентов.

Когда документы уже разобраны в RAGFlow и к его базе знаний нужно подключить Claude, Cursor или другого агента.

mcp:
  enabled: true
  host: 127.0.0.1
  port: 9382
  launch_mode: host
  transport_sse_enabled: true
  transport_streamable_enabled: true
  json_response: true

Minima

Minima · локальный RAG

GitHub

RAG с открытым кодом в контейнерах: индексирует папку с файлами на вашем компьютере, хранит векторы в Qdrant и отвечает по ним через Claude по MCP, через ChatGPT или полностью локально через Ollama.

Когда документы нельзя отдавать в облако и эмбеддинги, переранжирование и LLM должны работать на своей машине.

docker compose -f docker-compose-mcp.yml --env-file .env up --build

Neo4j MCP

Neo4j · граф знаний

GitHub

Сервер Neo4j для подключения агента к графовой базе: читает схему — метки узлов, типы связей, ключи свойств — и выполняет запросы Cypher на чтение и запись.

Когда база знаний — граф в Neo4j и агент должен отвечать на вопросы запросами Cypher.

{
  "servers": {
    "neo4j": {
      "type": "stdio",
      "command": "python",
      "args": [
        "-m",
        "neo4j_mcp_server"
      ],
      "env": {
        "NEO4J_MCP_URI": "bolt://localhost:7687",
        "NEO4J_MCP_USERNAME": "neo4j",
        "NEO4J_MCP_PASSWORD": "password",
        "NEO4J_MCP_DATABASE": "neo4j"
      }
    }
  }
}

Neo4j Labs MCP

Neo4j Labs · граф знаний

GitHub

Набор серверов Neo4j Labs: mcp-neo4j-cypher выполняет запросы Cypher по схеме базы, mcp-neo4j-memory хранит граф знаний агента в Neo4j между сессиями, ещё два управляют инстансами Aura и моделью данных.

Когда граф памяти агента должен жить в Neo4j или Aura и быть доступен из разных клиентов.

{
  "mcpServers": {
    "neo4j": {
      "command": "uvx",
      "args": [
        "mcp-neo4j-memory@0.4.5",
        "--db-url",
        "neo4j+s://xxxx.databases.neo4j.io",
        "--username",
        "<your-username>",
        "--password",
        "<your-password>"
      ]
    }
  }
}

Neo4j GraphRAG MCP

Neo4j Field · граф знаний

GitHub

Сервер для GraphRAG на Neo4j: поиск по векторным и полнотекстовым индексам, запросы Cypher и инструмент search_cypher_query, который соединяет поиск с запросом к графу.

Когда в Neo4j уже есть векторный индекс по документам и агенту нужно найти фрагменты по смыслу и пройти от них по связям графа.

{
  "mcpServers": {
    "neo4j-graphrag": {
      "command": "uvx",
      "args": [
        "mcp-neo4j-graphrag"
      ],
      "env": {
        "NEO4J_URI": "bolt://localhost:7687",
        "NEO4J_USERNAME": "neo4j",
        "NEO4J_PASSWORD": "<пароль>",
        "OPENAI_API_KEY": "sk-...",
        "EMBEDDING_MODEL": "text-embedding-ada-002"
      }
    }
  }
}

Graphiti MCP

Zep · граф знаний

GitHub

Эталонный MCP-сервер к Graphiti — фреймворку временных графов знаний для агентов. Graphiti отслеживает, как факты меняются со временем, и хранит, из какого источника каждый взят.

Когда агенту нужна память о фактах, которые меняются, с историей и поиском по связям.

git clone https://github.com/getzep/graphiti.git
cd graphiti/mcp_server
docker compose up

Cognee MCP

Cognee · граф знаний

GitHub

Платформа памяти для агентов с открытым кодом: превращает документы, код и разговоры в граф знаний, который хранится у вас. cognee-mcp отдаёт агенту инструменты remember, recall и forget.

Когда из своих документов нужно собрать граф знаний и искать по нему вместе с векторным поиском.

git clone https://github.com/topoteretes/cognee.git
cd cognee/cognee-mcp
uv sync --dev --all-extras --reinstall
source .venv/bin/activate
python src/server.py

Memory

Model Context Protocol · граф знаний

Карточка в каталоге

Эталонный сервер памяти: сущности, связи и факты лежат в локальном графе знаний в одном файле JSONL, и агент вспоминает их в новых чатах.

Когда нужна простая долгая память без базы данных и ключей.

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-memory"
      ],
      "env": {
        "MEMORY_FILE_PATH": "/path/to/custom/memory.jsonl"
      }
    }
  }
}

Codebase Memory

DeusData · граф знаний

Карточка в каталоге

Строит на вашем компьютере граф репозитория: функции, вызовы, маршруты, документация, Docker, Kubernetes и CI. Агент находит нужный код запросом к графу, ключи и облако не нужны.

Когда база знаний — сам код проекта и документация рядом с ним.

curl -fsSL https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.sh | bash

Context7

Upstash · документация

Карточка в каталоге

Подтягивает в контекст агента свежую документацию и примеры кода нужной версии библиотеки, чтобы агент не выдумывал несуществующие API.

Когда агент пишет код под конкретную версию фреймворка или пакета.

{
  "mcpServers": {
    "context7": {
      "url": "https://mcp.context7.com/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

Grounded Docs MCP Server

arabold · документация

GitHub

Индекс документации под версии библиотек вашего проекта: забирает документацию с сайтов, из репозиториев GitHub, npm, PyPI и локальных папок и ищет по ней. Работает на вашем компьютере, индекс хранит в SQLite.

Когда документацию для агента нужно индексировать у себя, включая локальные папки и архивы.

npx @arabold/docs-mcp-server@latest

DeepWiki MCP

Devin · документация

Открыть сайт

Бесплатный удалённый сервер без авторизации: отдаёт агенту вики DeepWiki по публичным репозиториям GitHub и отвечает на вопросы о них.

Когда агенту нужно разобраться в чужом открытом репозитории без установки и ключей.

claude mcp add -s user -t http deepwiki https://mcp.deepwiki.com/mcp

GitMCP

idosal · документация

GitHub

Бесплатный удалённый сервер с открытым кодом: превращает репозиторий GitHub или сайт GitHub Pages в источник документации для агента. Сначала читает llms.txt, без него берёт README.

Когда агенту нужна документация конкретной библиотеки с GitHub без установки и регистрации.

{
  "mcpServers": {
    "gitmcp": {
      "url": "https://gitmcp.io/{owner}/{repo}"
    }
  }
}