About Ragwithmilvustest
Ragwithmilvustest is an MCP server published by NanGePlus in the Developer Tools category: (1)使用低代码平台N8N实现对多个微信公众号文章进行自动采集并保存到本地文件 ; (2)使用主流的开源云原生向量数据库milvus将采集到的数据存储到知识库中并满足语义搜索、全文搜索及混合搜索; (3)将搜索功能封装为标准的MCP Server对外提供服务;(4)大模型(Agent)使用搜索MCP Server进行内容搜索.
The repository has 45 stars and 15 forks, with the last commit a year ago. Six months or more without a commit doesn't mean the server is broken, but check the open issues before depending on it in production.
Install
git clone https://github.com/NanGePlus/RagWithMilvusTestThis server has no ConduID identity, so agent calls to it are not receipted. Pin the version you install and review the source before granting it credentials.
Ask AI
Ask AI about Ragwithmilvustest
Powered by Claude · Grounded in docs
Security checks
Static checks derived from the repository 5 days ago. Heuristics on the source, not an audit.
- ✓README presentThe repository ships documentation.
- ✓License declaredUsable under a stated license.
- !Tests presentNo tests found. Behaviour changes may go unnoticed between versions.
- !Dependencies pinnedNo lockfile. Installs can pull different code over time.
- ✓No dynamic code executionSource scan found no eval, dynamic Function, or shell execution.
- !Scoped permissionsDoesn't declare a permission scope. Assume it can do anything its process can.
README
1、项目介绍
【从内容采集到智能搜索】全栈开源：手把手构建能理解业务逻辑的企业级AI搜索Agent，低代码采集 + 云原生向量库Milvus + MCP协议 + Agent
https://youtu.be/i3ul7JAAQIY
https://www.bilibili.com/video/BV1whaqzzEK8/
【从内容采集到智能搜索】Milvus Attu图形用户界面可视化管理工具操作指南，创建数据库、定义Schema、创建索引、创建集合、上传本地文件导入数据
https://youtu.be/SaMb4kA7OT0
https://www.bilibili.com/video/BV1sPafzqEEQ/
【从内容采集到智能搜索】N8N低代码平台实现全自动公众号文章内容采集工作流并使用AI Agent自动生成内容摘要
https://youtu.be/bHjI5U3ETLU
https://www.bilibili.com/video/BV17mpBz5ELJ/
AI在企业应用的不尽如人意，不仅仅在于工程上的高要求，也在于开发者往往容易沉浸于某些技术细节，却忽视真实场景的复杂性
以看似简单的AI内容搜索为例，用户的需求远非“搜索下关于AI智能体的文章”这样的单维问题，靠着“知识库+向量+LLM”可以轻松解决
而实际情况可能是:
"搜索关于AI智能体相关的文章，文章发布时间在2025.09.05之前，发布者是新智元，返回3篇文章并给出文章的标题、链接、发布者"
这类请求融合了向量相似(文本语义)、关键词全文搜索、条件精确过滤、混合搜索等。问题的瓶颈不在LLM，更不是向量数据库。而是:
企业AI应用的大量场景从来都不是孤立的，更多的是与企业的业务紧密联系，这体现在应用、流程与数据多个层面
本项目为大家提供一种解决方案思路，以一个完整的闭环应用案例为大家介绍如何实现如下类似搜索:
"搜索关于AI智能体相关的文章，文章发布时间在2025.09.05之前，发布者是新智元，返回3篇文章并给出文章的标题、链接、发布者"
更甚者，存在无关条件信息的干扰，如:
搜索关于AI智能体相关的文章，文章发布时间在2025.09.05之前，发布者是新智元，字数在200字内，价格不超过500元，返回3篇文章并给出文章的标题、链接、发布者
主要实现的功能:
(1)使用低代码平台N8N实现对多个微信公众号文章进行自动采集并保存到本地文件
(2)使用主流的开源云原生向量数据库milvus将采集到的数据存储到知识库中并满足语义搜索、全文搜索及混合搜索
(3)将搜索功能封装为标准的MCP Server对外提供服务
(4)大模型(Agent)使用搜索MCP Server进行内容搜索
整体业务流程如下图所示:
2、前期准备工作
2.1 集成开发环境搭建
anaconda提供python虚拟环境,pycharm提供集成开发环境
具体参考如下视频:
【大模型应用开发-入门系列】03 集成开发环境搭建-开发前准备工作
https://youtu.be/KyfGduq5d7w
2.2 大模型LLM服务接口调用方案
(1)gpt大模型等国外大模型使用方案
国内无法直接访问，可以使用代理的方式，具体代理方案自己选择
这里推荐大家使用:https://nangeai.top/register?aff=Vxlp
(2)非gpt大模型方案 OneAPI方式或大模型厂商原生接口
(3)本地开源大模型方案(Ollama方式)
具体参考如下视频:
【大模型应用开发-入门系列】04 大模型LLM服务接口调用方案
https://youtu.be/mTrgVllUl7Y
3、项目初始化
3.1 下载源码
GitHub或Gitee中下载工程文件到本地，下载地址如下：
https://github.com/NanGePlus/RagWithMilvusTest
https://gitee.com/NanGePlus/RagWithMilvusTest
3.2 构建项目
使用pycharm构建一个项目，为项目配置虚拟python环境
项目名称：RagWithMilvusTest
虚拟环境名称保持与项目名称一致
3.3 将相关代码拷贝到项目工程中
将下载的代码文件夹中的文件全部拷贝到新建的项目根目录下
3.4 安装项目依赖
新建命令行终端，在终端中运行如下指令进行安装
pip install pymilvus==2.6.0
pip install openai==1.101.0
pip install mcp==1.8.0
pip install requests==2.32.5
注意: 建议先使用要求的对应版本进行本项目测试，避免因版本升级造成的代码不兼容。测试通过后，可进行升级测试
4、功能测试
详见各个部分的说明文档
README fetched from the repository 5 days ago. The original is authoritative.