使用
Linux x86_64
需要先準備
- 執行環境:
Python 3.11+ - 系統套件:
uv
以 uv tool 安裝 minirag-mcp
uv tool install minirag-mcp
README 與實測不符之處
- README 寫: `query_documents` and `list_files` take `labels`, `dateFrom` and `dateTo`
實際可行: 若沒有 <root>/.minirag/classify.toml,任何 labels/dateFrom/dateTo 篩選都會被拒絕,即使只篩選日期;已建立最小的預設 facet 分類法使其能回應 - README 寫: `find_mentions` lists every document that mentions a phrase
實際可行: 已安裝的 PyPI v1.0.0 提供 11 個 MCP 工具,沒有 find_mentions;README 描述 12 個工具,包含 find_mentions
確認能用
minirag-mcp --version輸出應包含「1.0.0」。
加進你的 agent
claude mcp add minirag-mcp -e BASE_DIR='<BASE_DIR>' -- minirag-mcpClaude Desktop、Cursor 等用戶端用的 JSON
{
"mcpServers": {
"minirag-mcp": {
"command": "minirag-mcp",
"args": [],
"env": {
"BASE_DIR": "<BASE_DIR>"
}
}
}
}你要填的
BASE_DIR:要建立索引的資料夾(必填)
BASE_DIR 要填你自己的值;pickfit 沒有這些值,這裡只是佔位符。
先用 minirag-mcp sync --base-dir <folder> 為資料夾建立索引,再於 MCP 用戶端將 minirag-mcp 加為伺服器,並將 BASE_DIR 設為該資料夾。
它能做什麼
- 依語意與關鍵字搜尋本機文件已測試
怎麼使用
- 用
minirag-mcp sync --base-dir <folder>為資料夾建立索引。 - 從 MCP 用戶端啟動
minirag-mcp,並將 BASE_DIR 設為 <folder>。 - 以查詢內容及選用的 topK 呼叫 query_documents 工具,例如 {"query":"<your text>","topK":5}。
- 用
- 加入 12 種檔案格式的文件已測試
怎麼使用
- 從 MCP 用戶端啟動
minirag-mcp,並將 BASE_DIR 設為你的文件資料夾。 - 以內容、來源名稱與格式呼叫 ingest_data 工具,例如 {"data":"<your text>","source":"<name>","format":"markdown"}。
- 從 MCP 用戶端啟動
- 列出提及某詞句的所有文件未測試
- 依標籤與日期篩選搜尋結果沒有看到它可用
pickfit 測到哪一步
Linux x86_64
- 可以安裝
- 可以連線
- 4 項功能中 2 項可用
- 可離線使用
macOS 和 Windows:專案說支援,但 pickfit 還沒試過。
適合用來
- 以語意與關鍵字混合搜尋文件
- 列出所有包含某個字詞或片語的文件
- 為文件資料夾建立 RAG 索引
可替代 shinpr/mcp-local-rag。
pickfit 怎麼測的
每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證
Linux x86_64
MCP 用戶端成功呼叫工具
- 從頭重跑
- 可離線使用
- 檢查於 2026年10月30日
- 版本 1.0.0
MCP 用戶端透過 stdio 連線,列出 11 個工具,呼叫 query_documents 也回傳了結果。