local-rag-mcp 2.1.0__tar.gz

local_rag_mcp-2.1.0/LICENSE

@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2026 RAG MCP Server Contributors
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.

local_rag_mcp-2.1.0/PKG-INFO

@@ -0,0 +1,270 @@
+Metadata-Version: 2.4
+Name: local-rag-mcp
+Version: 2.1.0
+Summary: RAG Knowledge MCP Server — FastMCP + LanceDB + Hybrid Search
+Author-email: HeJuncheng <3410472132@qq.com>
+License: MIT
+Project-URL: Homepage, https://github.com/junchenghe01/local-rag-mcp
+Project-URL: Repository, https://github.com/junchenghe01/local-rag-mcp
+Project-URL: Issues, https://github.com/junchenghe01/local-rag-mcp/issues
+Keywords: mcp,rag,lancedb,hybrid-search,llm,vector-database
+Classifier: Development Status :: 4 - Beta
+Classifier: Intended Audience :: Developers
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Operating System :: OS Independent
+Classifier: Programming Language :: Python :: 3
+Classifier: Programming Language :: Python :: 3.10
+Classifier: Programming Language :: Python :: 3.11
+Classifier: Programming Language :: Python :: 3.12
+Classifier: Programming Language :: Python :: 3.13
+Classifier: Topic :: Scientific/Engineering :: Artificial Intelligence
+Requires-Python: >=3.10
+Description-Content-Type: text/markdown
+License-File: LICENSE
+Requires-Dist: mcp[cli]>=1.0
+Requires-Dist: pydantic>=2.0
+Requires-Dist: python-dotenv>=1.0
+Requires-Dist: lancedb>=0.7
+Requires-Dist: pyarrow>=16.0
+Requires-Dist: watchdog>=4.0
+Requires-Dist: loguru>=0.7
+Requires-Dist: pypdf>=4.2
+Requires-Dist: python-docx>=1.2
+Requires-Dist: openpyxl>=3.1
+Requires-Dist: pandas>=2.2
+Requires-Dist: fastapi>=0.111
+Requires-Dist: uvicorn[standard]>=0.29
+Requires-Dist: aiofiles>=23.0
+Requires-Dist: httpx>=0.27
+Dynamic: license-file
+
+# Local RAG MCP Server v2.1.0
+
+基于 FastMCP + LanceDB 的 RAG 知识库 MCP 服务器，完整实现 MCP 五大核心特征 (Tools / Resources / Prompts / Sampling / Roots)。
+
+## V2.0 核心升级
+
+| 特性 | V1.x | V2.0 |
+|------|------|------|
+| 向量存储 | llama_index VectorStoreIndex | **LanceDB** (Rust 核心, mmap, 无服务器) |
+| 检索算法 | AutoMergingRetriever (纯语义) | **混合检索** (IVF-PQ + BM25 + RRF 重排) |
+| 文档解析 | DoclingReader (黑盒) | **自研 ETL** (PyPDF/docx/pandas, 可控可采样) |
+| 分块策略 | 256/512/1024 层级分块 | **智能分块** (600char + 句尾防截断) |
+| 文件监控 | 启动时 manifest 比对 | **Watchdog 实时监控** + 1.0s 防抖 |
+| 日志系统 | logging + RotatingFileHandler | **Loguru** (按天轮转 + zip 压缩) |
+| MCP 工具 | 3 个 (health_check/status/query) | **7 个** (完整 CRUD + 混合检索) |
+| MCP 特性 | 仅 Tools | **Tools + Resources + Prompts + Sampling + Roots** |
+
+## 项目结构
+
+```
+src/local_rag_mcp/
+├── __init__.py         # 包标记
+├── server.py           # FastMCP 入口 — 7 工具 + 2 资源 + 1 提示词 + Sampling + Roots
+├── engine.py           # 核心引擎 — EmbeddingClient + HybridSearchEngine + IngestionPipeline
+├── lancedb_store.py    # LanceDB 存储层 (IVF-PQ + BM25 FTS)
+├── chunker.py          # 智能分块器 (600char/60overlap, 句尾防截断)
+├── parsers/            # 多模态 ETL 解析器
+│   ├── __init__.py     # 解析器工厂 get_parser()
+│   ├── pdf_parser.py   # PyPDF 流式段落解析 + 高噪检测 → Sampling
+│   ├── word_parser.py  # python-docx 对象树遍历 + 表格序列化
+│   ├── excel_parser.py # pandas 矩阵序列化 ("列A: 值A; 列B: 值B")
+│   └── text_parser.py  # MD/TXT/HTML 通用解析
+├── watcher.py          # Watchdog 文件监控 + 1.0s 防抖状态机
+├── sampling.py         # MCP Sampling 反向采样 (高噪文本清洗)
+├── logger.py           # Loguru 按天轮转 + zip 压缩 + 10 天保留
+└── status.py           # 线程安全服务状态追踪 (8 种状态)
+```
+
+## 快速开始
+
+```powershell
+# 1. 克隆项目，创建虚拟环境
+python -m venv .venv
+.\.venv\Scripts\python.exe -m pip install -e .
+
+# 2. 配置 .env（Embedding 地址 + 文档路径）
+# 编辑 .env，关键配置:
+#   EMBED_BASE_URL=http://localhost:11434
+#   EMBED_MODEL_NAME=qwen3-embedding:8b
+#   RAG_PROJECT_PATH=./documents
+
+# 3. 启动
+local-rag-mcp
+```
+
+## 安装与运行
+
+```powershell
+# ---- 开发模式 (源码直接跑) ----
+.venv\Scripts\python.exe -m src.local_rag_mcp.server
+
+# ---- 生产模式 (PyPI 安装) ----
+pip install local-rag-mcp
+
+# 或本地构建 wheel 后安装
+.venv\Scripts\python.exe -m build
+pip install dist\local_rag_mcp-2.1.0-py3-none-any.whl
+
+# 运行 (SSE 默认, 端口 8042)
+local-rag-mcp
+
+# 运行 (stdio 模式)
+$env:MCP_TRANSPORT="stdio"; local-rag-mcp
+
+# 卸载
+pip uninstall local-rag-mcp -y
+```
+
+## 接入 MCP 客户端
+
+### SSE 模式（推荐）
+
+先启动服务 `local-rag-mcp`，保持窗口打开：
+
+```json
+{
+  "mcpServers": {
+    "enterprise-local-rag": {
+      "type": "sse",
+      "url": "http://127.0.0.1:8042/sse"
+    }
+  }
+}
+```
+
+### stdio 模式（子进程，客户端自动拉起）
+
+```json
+{
+  "mcpServers": {
+    "enterprise-local-rag": {
+      "command": "local-rag-mcp",
+      "env": {
+        "MCP_TRANSPORT": "stdio",
+        "RAG_PROJECT_PATH": "./documents",
+        "EMBED_BASE_URL": "http://localhost:11434",
+        "EMBED_MODEL_NAME": "qwen3-embedding:8b"
+      }
+    }
+  }
+}
+```
+
+## 环境变量
+
+| 变量 | 默认值 | 说明 |
+|---|---|---|
+| `RAG_PROJECT_PATH` | (必填) | 文档项目目录，启动时自动加载索引 + 文件监控 |
+| `EMBED_BASE_URL` | `http://localhost:11434` | Ollama Embedding 服务地址 |
+| `EMBED_MODEL_NAME` | `bge-m3` | Embedding 模型名称 (1024 维) |
+| `EMBED_TIMEOUT` | `60.0` | Embedding 请求超时（秒） |
+| `MCP_TRANSPORT` | `sse` | 传输模式: `sse` (守护进程) 或 `stdio` (子进程) |
+| `MCP_HOST` | `127.0.0.1` | SSE 监听地址 |
+| `MCP_PORT` | `8042` | SSE 监听端口 |
+| `RAG_HYBRID_WEIGHT` | `0.7` | 混合检索权重 (0=纯BM25, 1=纯向量) |
+| `RAG_CHUNK_SIZE` | `600` | 分块大小（字符数） |
+| `RAG_CHUNK_OVERLAP` | `60` | 块间重叠（字符数） |
+| `RAG_WATCH_DEBOUNCE` | `1.0` | 文件监控防抖间隔（秒） |
+| `LOG_LEVEL` | `INFO` | 日志级别 |
+
+## MCP 工具 (7)
+
+| 工具 | 参数 | 说明 |
+|---|---|---|
+| `query_documents` | `query`, `limit?`, `scope?` | **混合检索** (密集向量 + BM25 + RRF)，返回原始文档片段 |
+| `read_chunk_neighbors` | `file_id`, `chunk_id`, `direction` | 读取相邻块 (prev/next/both)，防止断章取义 |
+| `ingest_file` | `path` | 索引单个文件 (PDF/Word/Excel/MD/TXT/HTML) |
+| `ingest_data` | `content`, `metadata?` | 注入文本/Markdown 字符串到向量库 |
+| `list_files` | 无 | 已索引文件清单及块统计 |
+| `delete_file` | `file_id` | 物理擦除文件索引 + 重建 FTS |
+| `status` | 无 | 系统健康诊断 (DB 统计 + Embedding + 文件监控) |
+
+## MCP 资源 (2)
+
+| URI | 说明 |
+|---|---|
+| `localrag://system/status` | 系统健康快照 (JSON): DB 统计 / Embedding / 文件监控 |
+| `localrag://files/list` | 已索引文件清单 (JSON): 文件路径 + 块数量 |
+
+## MCP 提示词 (1)
+
+| 名称 | 参数 | 说明 |
+|---|---|---|
+| `review-codebase` | `focus_area` | 代码库评审 SOP 模板，自动注入 RAG 检索工作流 |
+
+## RAG 管道 (V2.0)
+
+1. **文件监控** — Watchdog 实时监控增删改，1.0s 防抖，自动触发 ETL
+2. **多模态解析** — 自研解析器 (PyPDF/docx/pandas)，PDF 高噪自动触发 Sampling 清洗
+3. **智能分块** — 600 字符块 + 60 字符重叠 + 句尾标点语义切分
+4. **向量化** — Ollama `bge-m3` (1024 维)，直接调用 `/api/embeddings`
+5. **双索引** — LanceDB IVF-PQ 密集向量索引 + BM25 稀疏全文倒排索引
+6. **混合检索** — ANN + FTS 双路并行召回，RRF 无监督融合 (k=60, 权重可配置)
+
+### RRF 融合公式
+
+$$RRF\_Score(d) = \frac{w}{60 + R_{dense}(d)} + \frac{1 - w}{60 + R_{sparse}(d)}$$
+
+- `w` = `RAG_HYBRID_WEIGHT` (默认 0.7)
+- 当 w=0.7 时，兼顾深层语义并精确匹配代码/编号/专有名词
+
+## 日志系统
+
+### 控制台输出
+彩色日志输出到 stderr，格式：`时间 | 级别 | 线程名 | 模块:行号 | 内容`
+
+```
+20:53:55 | INFO     | MainThread   | local_rag_mcp.server:67 | Enterprise RAG MCP Server v2.0 启动
+20:53:55 | INFO     | MainThread   | local_rag_mcp.engine:85 | Embedding: bge-m3 @ http://localhost:11434 (dim=1024)
+20:53:55 | INFO     | MainThread   | local_rag_mcp.lancedb_store:68 | LanceDB 已连接 (.ragdb_lance/)
+```
+
+### 文件归档
+- **按天切分**: 每日 00:00 自动切分，文件名 `server_YYYY-MM-DD.log`
+- **自动压缩**: 旧日志 zip 压缩
+- **保留 10 天**: 超期日志自动物理擦除
+- **全链路 Trace**: `[Trace] ▶ ...` / `[Trace] ✓ ... (XXms)` 毫秒级耗时审计
+
+## 服务状态追踪
+
+`status.py` 维护线程安全的全局状态单例，包含 8 种状态：
+
+| 状态 | 说明 |
+|---|---|
+| `INITIALIZING` | 服务启动中 |
+| `IDLE` | 空闲，等待请求 |
+| `LOADING_DOCS` | 正在扫描/加载文档 |
+| `INDEXING` | 正在构建向量索引 |
+| `INGESTING` | 正在摄取文件/文本 |
+| `QUERYING` | 正在执行混合检索 |
+| `WATCHING` | 文件监控运行中 |
+| `ERROR` | 发生错误（含错误信息） |
+
+## Sampling 反向采样
+
+当 PDF 解析器检测到高噪文本 (noise_level > 0.35) 时：
+1. 后台服务挂起当前文件的写入事务
+2. 通过 MCP `sampling/createMessage` 反向请求前台大模型进行文本清洗
+3. 前台大模型完成推理清洗，返回结构化文本 + 核心关键词
+4. 后台接收清洗结果，继续 ETL 流水线
+
+**价值**: "白嫖"前台大模型的能力反哺本地知识库，本地服务保持轻量 (闲置物理内存 ≤ 35MB)。
+
+## Roots 隐私隔离
+
+当用户在编辑器中切换项目工作区时：
+1. 客户端通过 `roots/list` 通知新的工作区路径
+2. 服务器自动切换 LanceDB 命名空间，确保数据强隔离
+3. 文件监控焦点无缝切换至新路径
+4. 项目 A 的资产绝不会在项目 B 的对话中被意外召回
+
+## 测试
+
+```powershell
+# 全部测试 (需要 Ollama 的会自动跳过)
+.venv\Scripts\python.exe -m pytest tests/ -v
+
+# 仅本地单元测试 (无需网络)
+.venv\Scripts\python.exe -m pytest tests/ -v -m "not network"
+```

local_rag_mcp-2.1.0/README.md

@@ -0,0 +1,230 @@
+# Local RAG MCP Server v2.1.0
+
+基于 FastMCP + LanceDB 的 RAG 知识库 MCP 服务器，完整实现 MCP 五大核心特征 (Tools / Resources / Prompts / Sampling / Roots)。
+
+## V2.0 核心升级
+
+| 特性 | V1.x | V2.0 |
+|------|------|------|
+| 向量存储 | llama_index VectorStoreIndex | **LanceDB** (Rust 核心, mmap, 无服务器) |
+| 检索算法 | AutoMergingRetriever (纯语义) | **混合检索** (IVF-PQ + BM25 + RRF 重排) |
+| 文档解析 | DoclingReader (黑盒) | **自研 ETL** (PyPDF/docx/pandas, 可控可采样) |
+| 分块策略 | 256/512/1024 层级分块 | **智能分块** (600char + 句尾防截断) |
+| 文件监控 | 启动时 manifest 比对 | **Watchdog 实时监控** + 1.0s 防抖 |
+| 日志系统 | logging + RotatingFileHandler | **Loguru** (按天轮转 + zip 压缩) |
+| MCP 工具 | 3 个 (health_check/status/query) | **7 个** (完整 CRUD + 混合检索) |
+| MCP 特性 | 仅 Tools | **Tools + Resources + Prompts + Sampling + Roots** |
+
+## 项目结构
+
+```
+src/local_rag_mcp/
+├── __init__.py         # 包标记
+├── server.py           # FastMCP 入口 — 7 工具 + 2 资源 + 1 提示词 + Sampling + Roots
+├── engine.py           # 核心引擎 — EmbeddingClient + HybridSearchEngine + IngestionPipeline
+├── lancedb_store.py    # LanceDB 存储层 (IVF-PQ + BM25 FTS)
+├── chunker.py          # 智能分块器 (600char/60overlap, 句尾防截断)
+├── parsers/            # 多模态 ETL 解析器
+│   ├── __init__.py     # 解析器工厂 get_parser()
+│   ├── pdf_parser.py   # PyPDF 流式段落解析 + 高噪检测 → Sampling
+│   ├── word_parser.py  # python-docx 对象树遍历 + 表格序列化
+│   ├── excel_parser.py # pandas 矩阵序列化 ("列A: 值A; 列B: 值B")
+│   └── text_parser.py  # MD/TXT/HTML 通用解析
+├── watcher.py          # Watchdog 文件监控 + 1.0s 防抖状态机
+├── sampling.py         # MCP Sampling 反向采样 (高噪文本清洗)
+├── logger.py           # Loguru 按天轮转 + zip 压缩 + 10 天保留
+└── status.py           # 线程安全服务状态追踪 (8 种状态)
+```
+
+## 快速开始
+
+```powershell
+# 1. 克隆项目，创建虚拟环境
+python -m venv .venv
+.\.venv\Scripts\python.exe -m pip install -e .
+
+# 2. 配置 .env（Embedding 地址 + 文档路径）
+# 编辑 .env，关键配置:
+#   EMBED_BASE_URL=http://localhost:11434
+#   EMBED_MODEL_NAME=qwen3-embedding:8b
+#   RAG_PROJECT_PATH=./documents
+
+# 3. 启动
+local-rag-mcp
+```
+
+## 安装与运行
+
+```powershell
+# ---- 开发模式 (源码直接跑) ----
+.venv\Scripts\python.exe -m src.local_rag_mcp.server
+
+# ---- 生产模式 (PyPI 安装) ----
+pip install local-rag-mcp
+
+# 或本地构建 wheel 后安装
+.venv\Scripts\python.exe -m build
+pip install dist\local_rag_mcp-2.1.0-py3-none-any.whl
+
+# 运行 (SSE 默认, 端口 8042)
+local-rag-mcp
+
+# 运行 (stdio 模式)
+$env:MCP_TRANSPORT="stdio"; local-rag-mcp
+
+# 卸载
+pip uninstall local-rag-mcp -y
+```
+
+## 接入 MCP 客户端
+
+### SSE 模式（推荐）
+
+先启动服务 `local-rag-mcp`，保持窗口打开：
+
+```json
+{
+  "mcpServers": {
+    "enterprise-local-rag": {
+      "type": "sse",
+      "url": "http://127.0.0.1:8042/sse"
+    }
+  }
+}
+```
+
+### stdio 模式（子进程，客户端自动拉起）
+
+```json
+{
+  "mcpServers": {
+    "enterprise-local-rag": {
+      "command": "local-rag-mcp",
+      "env": {
+        "MCP_TRANSPORT": "stdio",
+        "RAG_PROJECT_PATH": "./documents",
+        "EMBED_BASE_URL": "http://localhost:11434",
+        "EMBED_MODEL_NAME": "qwen3-embedding:8b"
+      }
+    }
+  }
+}
+```
+
+## 环境变量
+
+| 变量 | 默认值 | 说明 |
+|---|---|---|
+| `RAG_PROJECT_PATH` | (必填) | 文档项目目录，启动时自动加载索引 + 文件监控 |
+| `EMBED_BASE_URL` | `http://localhost:11434` | Ollama Embedding 服务地址 |
+| `EMBED_MODEL_NAME` | `bge-m3` | Embedding 模型名称 (1024 维) |
+| `EMBED_TIMEOUT` | `60.0` | Embedding 请求超时（秒） |
+| `MCP_TRANSPORT` | `sse` | 传输模式: `sse` (守护进程) 或 `stdio` (子进程) |
+| `MCP_HOST` | `127.0.0.1` | SSE 监听地址 |
+| `MCP_PORT` | `8042` | SSE 监听端口 |
+| `RAG_HYBRID_WEIGHT` | `0.7` | 混合检索权重 (0=纯BM25, 1=纯向量) |
+| `RAG_CHUNK_SIZE` | `600` | 分块大小（字符数） |
+| `RAG_CHUNK_OVERLAP` | `60` | 块间重叠（字符数） |
+| `RAG_WATCH_DEBOUNCE` | `1.0` | 文件监控防抖间隔（秒） |
+| `LOG_LEVEL` | `INFO` | 日志级别 |
+
+## MCP 工具 (7)
+
+| 工具 | 参数 | 说明 |
+|---|---|---|
+| `query_documents` | `query`, `limit?`, `scope?` | **混合检索** (密集向量 + BM25 + RRF)，返回原始文档片段 |
+| `read_chunk_neighbors` | `file_id`, `chunk_id`, `direction` | 读取相邻块 (prev/next/both)，防止断章取义 |
+| `ingest_file` | `path` | 索引单个文件 (PDF/Word/Excel/MD/TXT/HTML) |
+| `ingest_data` | `content`, `metadata?` | 注入文本/Markdown 字符串到向量库 |
+| `list_files` | 无 | 已索引文件清单及块统计 |
+| `delete_file` | `file_id` | 物理擦除文件索引 + 重建 FTS |
+| `status` | 无 | 系统健康诊断 (DB 统计 + Embedding + 文件监控) |
+
+## MCP 资源 (2)
+
+| URI | 说明 |
+|---|---|
+| `localrag://system/status` | 系统健康快照 (JSON): DB 统计 / Embedding / 文件监控 |
+| `localrag://files/list` | 已索引文件清单 (JSON): 文件路径 + 块数量 |
+
+## MCP 提示词 (1)
+
+| 名称 | 参数 | 说明 |
+|---|---|---|
+| `review-codebase` | `focus_area` | 代码库评审 SOP 模板，自动注入 RAG 检索工作流 |
+
+## RAG 管道 (V2.0)
+
+1. **文件监控** — Watchdog 实时监控增删改，1.0s 防抖，自动触发 ETL
+2. **多模态解析** — 自研解析器 (PyPDF/docx/pandas)，PDF 高噪自动触发 Sampling 清洗
+3. **智能分块** — 600 字符块 + 60 字符重叠 + 句尾标点语义切分
+4. **向量化** — Ollama `bge-m3` (1024 维)，直接调用 `/api/embeddings`
+5. **双索引** — LanceDB IVF-PQ 密集向量索引 + BM25 稀疏全文倒排索引
+6. **混合检索** — ANN + FTS 双路并行召回，RRF 无监督融合 (k=60, 权重可配置)
+
+### RRF 融合公式
+
+$$RRF\_Score(d) = \frac{w}{60 + R_{dense}(d)} + \frac{1 - w}{60 + R_{sparse}(d)}$$
+
+- `w` = `RAG_HYBRID_WEIGHT` (默认 0.7)
+- 当 w=0.7 时，兼顾深层语义并精确匹配代码/编号/专有名词
+
+## 日志系统
+
+### 控制台输出
+彩色日志输出到 stderr，格式：`时间 | 级别 | 线程名 | 模块:行号 | 内容`
+
+```
+20:53:55 | INFO     | MainThread   | local_rag_mcp.server:67 | Enterprise RAG MCP Server v2.0 启动
+20:53:55 | INFO     | MainThread   | local_rag_mcp.engine:85 | Embedding: bge-m3 @ http://localhost:11434 (dim=1024)
+20:53:55 | INFO     | MainThread   | local_rag_mcp.lancedb_store:68 | LanceDB 已连接 (.ragdb_lance/)
+```
+
+### 文件归档
+- **按天切分**: 每日 00:00 自动切分，文件名 `server_YYYY-MM-DD.log`
+- **自动压缩**: 旧日志 zip 压缩
+- **保留 10 天**: 超期日志自动物理擦除
+- **全链路 Trace**: `[Trace] ▶ ...` / `[Trace] ✓ ... (XXms)` 毫秒级耗时审计
+
+## 服务状态追踪
+
+`status.py` 维护线程安全的全局状态单例，包含 8 种状态：
+
+| 状态 | 说明 |
+|---|---|
+| `INITIALIZING` | 服务启动中 |
+| `IDLE` | 空闲，等待请求 |
+| `LOADING_DOCS` | 正在扫描/加载文档 |
+| `INDEXING` | 正在构建向量索引 |
+| `INGESTING` | 正在摄取文件/文本 |
+| `QUERYING` | 正在执行混合检索 |
+| `WATCHING` | 文件监控运行中 |
+| `ERROR` | 发生错误（含错误信息） |
+
+## Sampling 反向采样
+
+当 PDF 解析器检测到高噪文本 (noise_level > 0.35) 时：
+1. 后台服务挂起当前文件的写入事务
+2. 通过 MCP `sampling/createMessage` 反向请求前台大模型进行文本清洗
+3. 前台大模型完成推理清洗，返回结构化文本 + 核心关键词
+4. 后台接收清洗结果，继续 ETL 流水线
+
+**价值**: "白嫖"前台大模型的能力反哺本地知识库，本地服务保持轻量 (闲置物理内存 ≤ 35MB)。
+
+## Roots 隐私隔离
+
+当用户在编辑器中切换项目工作区时：
+1. 客户端通过 `roots/list` 通知新的工作区路径
+2. 服务器自动切换 LanceDB 命名空间，确保数据强隔离
+3. 文件监控焦点无缝切换至新路径
+4. 项目 A 的资产绝不会在项目 B 的对话中被意外召回
+
+## 测试
+
+```powershell
+# 全部测试 (需要 Ollama 的会自动跳过)
+.venv\Scripts\python.exe -m pytest tests/ -v
+
+# 仅本地单元测试 (无需网络)
+.venv\Scripts\python.exe -m pytest tests/ -v -m "not network"
+```

local_rag_mcp-2.1.0/pyproject.toml

@@ -0,0 +1,55 @@
+[build-system]
+requires = ["setuptools>=75"]
+build-backend = "setuptools.build_meta"
+
+[project]
+name = "local-rag-mcp"
+version = "2.1.0"
+description = "RAG Knowledge MCP Server — FastMCP + LanceDB + Hybrid Search"
+readme = "README.md"
+requires-python = ">=3.10"
+license = {text = "MIT"}
+authors = [
+    {name = "HeJuncheng", email = "3410472132@qq.com"},
+]
+keywords = ["mcp", "rag", "lancedb", "hybrid-search", "llm", "vector-database"]
+classifiers = [
+    "Development Status :: 4 - Beta",
+    "Intended Audience :: Developers",
+    "License :: OSI Approved :: MIT License",
+    "Operating System :: OS Independent",
+    "Programming Language :: Python :: 3",
+    "Programming Language :: Python :: 3.10",
+    "Programming Language :: Python :: 3.11",
+    "Programming Language :: Python :: 3.12",
+    "Programming Language :: Python :: 3.13",
+    "Topic :: Scientific/Engineering :: Artificial Intelligence",
+]
+dependencies = [
+    "mcp[cli]>=1.0",
+    "pydantic>=2.0",
+    "python-dotenv>=1.0",
+    "lancedb>=0.7",
+    "pyarrow>=16.0",
+    "watchdog>=4.0",
+    "loguru>=0.7",
+    "pypdf>=4.2",
+    "python-docx>=1.2",
+    "openpyxl>=3.1",
+    "pandas>=2.2",
+    "fastapi>=0.111",
+    "uvicorn[standard]>=0.29",
+    "aiofiles>=23.0",
+    "httpx>=0.27",
+]
+
+[project.urls]
+Homepage = "https://github.com/junchenghe01/local-rag-mcp"
+Repository = "https://github.com/junchenghe01/local-rag-mcp"
+Issues = "https://github.com/junchenghe01/local-rag-mcp/issues"
+
+[project.scripts]
+local-rag-mcp = "local_rag_mcp.server:main"
+
+[tool.setuptools.packages.find]
+where = ["src"]

local_rag_mcp-2.1.0/setup.cfg

@@ -0,0 +1,4 @@
+[egg_info]
+tag_build = 
+tag_date = 0
+

local_rag_mcp-2.1.0/src/local_rag_mcp/__init__.py

@@ -0,0 +1,10 @@
+"""RAG MCP Server V2.0 — 基于 FastMCP + LanceDB 的企业级文档检索引擎。
+
+完整实现 MCP 五大核心特征:
+    - Tools (7): ingest_file, ingest_data, query_documents, read_chunk_neighbors,
+                 list_files, delete_file, status
+    - Resources (2): localrag://system/status, localrag://files/list
+    - Prompts (1): review-codebase
+    - Sampling: PDF 高噪文本反向清洗
+    - Roots: 动态工作区隔离
+"""