Knowledge MCP
Sistema self-hosted per indicizzare e ricercare documenti locali tramite MCP, con embedding locali, ricerca ibrida, Qdrant e una dashboard web per la gestione delle fonti.
- Problema
- Collegare un assistente AI ai propri documenti richiede un indice aggiornabile e risultati che permettano di risalire ai file di origine.
- Soluzione
- Il progetto indicizza le cartelle selezionate, combina ricerca semantica e lessicale ed espone tramite MCP i passaggi pertinenti con i riferimenti alle fonti.
- Risultato
- Una base documentale consultabile da client compatibili con MCP, con gestione web, aggiornamenti incrementali e backup degli indici.
Dai documenti al contesto per l’assistente
Knowledge MCP rende ricercabili PDF, documenti Word, presentazioni PowerPoint, Markdown, testo e HTML. L’indicizzazione estrae il testo, lo divide in passaggi e ne salva gli embedding in Qdrant.
La ricerca combina similarità semantica e corrispondenze lessicali, fonde i risultati e restituisce i passaggi con percorso del file e riferimenti a pagina o slide, quando disponibili. Il protocollo MCP permette al client AI di consultarli durante una conversazione.
Un indice che segue i documenti
Il sistema confronta gli hash dei file per elaborare quelli modificati e rimuovere dall’indice quelli eliminati. La dashboard permette di scegliere cartelle e modelli, pianificare gli aggiornamenti e seguire l’avanzamento dell’indicizzazione.
Distribuzione e modelli locali
L’immagine Docker include dashboard, servizio di indicizzazione, server MCP e Qdrant. Sono disponibili embedding E5 multilingue e BGE-M3, con esecuzione su CPU o GPU NVIDIA, oltre a funzioni di backup e ripristino.
Indicizzazione, embedding e ricerca avvengono sul server che ospita il progetto; i passaggi recuperati vengono poi forniti al client AI scelto. La documentazione include esempi di integrazione con ChatGPT, Claude e Google ADK.