RAG知识库管理MCP（管理控制程序）规范文档

一、服务介绍

本服务是一款功能完整的RAG（检索增强生成）知识库管理MCP（管理控制程序），基于SQLite数据库、FTS5全文检索、sqlite-vec向量检索等技术，实现对知识库的创建、删除、选择、文档导入、混合检索、文档管理、数据库导入导出等全生命周期管理功能。支持TXT、DOCX、DOC、PDF等多种文档格式，采用异步批量向量化处理，结合关键词检索和向量检索的混合搜索策略，为知识库构建和智能检索提供完整的解决方案，适配中文与英文双语言配置，满足不同场景下的使用需求。

二、核心工具信息

工具名称	工具功能	核心输入参数	关键返回内容
create_knowledge_base	创建一个新的知识库，知识库是文档的容器，每个知识库可以有自己的chunk_size和embedding配置	- kb_name：知识库名称（必填，必须唯一） - chunk_size：chunk大小，单位token（必填，例如512、1024） - embedding_model：向量化模型名称（可选） - embedding_endpoint：向量化服务端点URL（可选） - embedding_api_key：向量化服务API Key（可选）	创建结果字典（含kb_id知识库ID、kb_name知识库名称、chunk_sizechunk大小）
delete_knowledge_base	删除指定的知识库，不能删除当前正在使用的知识库，删除知识库会级联删除该知识库下的所有文档和chunks	- kb_name：知识库名称（必填）	删除结果字典（含kb_name已删除的知识库名称）
list_knowledge_bases	列出所有可用的知识库，返回所有知识库的详细信息，包括当前选中的知识库	无参数	知识库列表字典（含knowledge_bases知识库列表、count知识库数量、current_kb_id当前选中的知识库ID，每个知识库包含id、name、chunk_size、embedding_model、created_at、is_current等字段）
select_knowledge_base	选择一个知识库作为当前使用的知识库，选择后，后续的文档导入、查询等操作都会在该知识库中进行	- kb_name：知识库名称（必填）	选择结果字典（含kb_id知识库ID、kb_name知识库名称、document_count该知识库下的文档数量）
import_document	导入文档到当前选中的知识库，支持多文件并发导入，支持TXT、DOCX、DOC、PDF格式，文档会被解析、切分为chunks，并异步批量生成向量存储到数据库中	- file_paths：文件路径列表（绝对路径），支持1~n个文件，为list形式（必填） - chunk_size：chunk大小，单位token（可选，默认使用知识库的chunk_size）	导入结果字典（含total总文件数、success_count成功导入的文件数、failed_count失败的文件数、success_files成功导入的文件列表、failed_files失败的文件列表）
search	在当前选中的知识库中进行混合检索，结合关键词检索（FTS5）和向量检索（sqlite-vec），使用加权方式合并结果（关键词权重0.3，向量权重0.7），去重后使用Jaccard相似度重排序，返回最相关的top-k个结果	- query：查询文本（必填） - top_k：返回数量（可选，默认从配置读取，通常为5）	检索结果字典（含chunkschunk列表、count结果数量，每个chunk包含id、doc_id、content、tokens、chunk_index、doc_name、score等字段）
list_documents	查看当前选中的知识库下的所有文档列表，返回文档的详细信息	无参数	文档列表字典（含documents文档列表、count文档数量，每个文档包含id、name、file_path、file_type、chunk_size、created_at、updated_at等字段）
delete_document	删除当前选中的知识库下的指定文档，删除文档会级联删除该文档的所有chunks	- doc_name：文档名称（必填）	删除结果字典（含doc_name已删除的文档名称）
update_document	修改文档的chunk_size并重新解析文档，会删除原有的chunks，使用新的chunk_size重新切分文档，并异步批量生成新的向量	- doc_name：文档名称（必填） - chunk_size：新的chunk大小，单位token（必填）	修改结果字典（含doc_id文档ID、doc_name文档名称、chunk_count新的chunk数量、chunk_size新的chunk大小）
export_database	导出整个kb.db数据库文件到指定路径	- export_path：导出路径（绝对路径，必填）	导出结果字典（含source_path源数据库路径、export_path导出路径）
import_database	导入一个.db数据库文件，将其中的内容合并到kb.db中，导入时会自动处理重名冲突，为知识库和文档名称添加时间戳	- source_db_path：源数据库文件路径（绝对路径，必填）	导入结果字典（含source_path源数据库路径、imported_kb_count导入的知识库数量、imported_doc_count导入的文档数量）

三、rag-server 命令行使用指南

rag-server 是对 RAG 核心工具的命令行封装，适合在服务器上以 CLI 方式直接管理知识库、导入文档和执行检索。安装完成后，可直接在终端中使用 rag-server <子命令> [参数]。

1. 基本用法

• 查看帮助：

rag-server --help

• 命令通用格式：

rag-server <command> [--参数名 参数值...]

2. 知识库管理相关命令

• 创建知识库

rag-server create_kb --kb_name <名称> --chunk_size <chunk大小> [--embedding_model 模型名] [--embedding_endpoint URL] [--embedding_api_key KEY]

说明：

• --kb_name：知识库名称（必填，必须唯一）

• --chunk_size：chunk 大小（必填，单位 token，例如 512、1024）

• --embedding_model：向量化模型名称（可选）

• --embedding_endpoint：向量化服务端点 URL（可选）

• --embedding_api_key：向量化服务 API Key（可选）

• 删除知识库

rag-server delete_kb --kb_name <名称>

• 列出知识库

rag-server list_kb

• 选择当前知识库

rag-server select_kb --kb_name <名称>

说明：选择成功后，当前知识库 ID 会持久化到 database/state.json 中，不同次 rag-server 调用会自动复用该状态。

3. 文档管理相关命令

• 导入文档

rag-server import_doc --file_paths /abs/path/doc1.txt [/abs/path/doc2.txt ...] [--chunk_size <chunk大小>]

说明：

• --file_paths：一个或多个绝对路径的文件列表（必填，至少 1 个）

• --chunk_size：覆盖默认的 chunk 大小（可选）

• 在调用前需要先通过 select_kb 选择当前知识库

• 列出文档

rag-server list_doc

• 删除文档

rag-server delete_doc --doc_name <文档名称>

• 更新文档 chunk 大小并重建向量

rag-server update_doc --doc_name <文档名称> --chunk_size <新的chunk大小>

4. 检索相关命令

• 搜索

rag-server search --query "<查询文本>" [--top_k <返回数量>]

说明：

• --query：查询文本（必填）
• --top_k：返回结果数量（可选，默认从配置中读取，通常为 5）

5. 数据库导入导出相关命令

• 导出数据库

rag-server export_db --export_path /abs/path/kb_export.db

• 导入数据库

rag-server import_db --source_db_path /abs/path/other_kb.db

说明：导入时会自动处理知识库和文档的重名冲突，为名称添加时间戳。