##1.Обзор и концепция

knowledge-mcp - это MCP-сервер, предназначенный для преодоления разрыва между специализированными областями знаний и помощниками ИИ. Он позволяет пользователям создавать, управлять и запрашивать специализированные базы знаний, делая эту информацию доступной для агентов ИИ через интерфейс сервера MCP (Model Context Protocol).

Основная идея заключается в том, чтобы дать возможность помощникам ИИ, которые являются клиентами MCP (например, Claude Desktop или IDE, такие как Windsurf), активно консультироваться с этими специализированными базами знаний во время процесса рассуждения (Цепь мысли), а не полагаться исключительно на общий семантический поиск по запросам пользователей или широкий веб-поиск. Это обеспечивает более точные, контекстно-ориентированные ответы при работе с конкретными доменами.

Ключевые компоненты:

** Инструмент CLI** Предоставляет удобный интерфейс командной строки для управления базами знаний (создание, удаление, добавление/удаление документов, настройка, поиск). ** Базовый движок знаний: ** Использует LightRAG для обработки документов, встраивания, создания графа знаний и сложных запросов.

knowledge-mcp: Specialized Knowledge Bases for AI Agents

1. Overview and Concept

knowledge-mcp is a MCP server designed to bridge the gap between specialized knowledge domains and AI assistants. It allows users to create, manage, and query dedicated knowledge bases, making this information accessible to AI agents through an MCP (Model Context Protocol) server interface.

The core idea is to empower AI assistants that are MCP clients (like Claude Desktop or IDEs like Windsurf) to proactively consult these specialized knowledge bases during their reasoning process (Chain of Thought), rather than relying solely on general semantic search against user prompts or broad web searches. This enables more accurate, context-aware responses when dealing with specific domains.

Key components:

• CLI Tool: Provides a user-friendly command-line interface for managing knowledge bases (creating, deleting, adding/removing documents, configuring, searching).
• Knowledge Base Engine: Leverages LightRAG to handle document processing, embedding, knowledge graph creation, and complex querying.
• MCP Server: Exposes the search functionality of the knowledge bases via the FastMCP protocol, allowing compatible AI agents to query them directly.

2. About LightRAG

This project utilizes LightRAG (HKUDS/LightRAG) as its core engine for knowledge base creation and querying. LightRAG is a powerful framework designed to enhance Large Language Models (LLMs) by integrating Retrieval-Augmented Generation (RAG) with knowledge graph techniques.

Key features of LightRAG relevant to this project:

• Document Processing Pipeline: Ingests documents (PDF, Text, Markdown, DOCX), chunks them, extracts entities and relationships using an LLM, and builds both a knowledge graph and vector embeddings.
• Multiple Query Modes: Supports various retrieval strategies (e.g., vector similarity, entity-centric, relationship-focused, hybrid) to find the most relevant context for a given query.
• Flexible Storage: Can use different backends for storing key-value data, vectors, graph information, and document status (this project uses the default file-based storage).
• LLM/Embedding Integration: Supports various providers like OpenAI (used in this project), Ollama, Hugging Face, etc.

By using LightRAG, knowledge-mcp benefits from advanced RAG capabilities that go beyond simple vector search.

3. Installation

Ensure you have Python 3.12 and uv installed.

1. Running the Tool: After installing the package (e.g., using uv pip install -e .), you can run the CLI using uvx:

   # General command structure (use either --config or --base)
   uvx knowledge-mcp --config   [arguments...]
   uvx knowledge-mcp --base   [arguments...]
   
   # Example: Start interactive shell