Демонстрация запуска и использования на Youtube：

Подробнее в статье.

Проект состоит из нескольких сервисов для работы с векторной базой данных на основе документации 1C:

1. Embedding Service - сервис генерации векторных представлений
2. ПолучитьТекстСтруктурыКонфигурацииФайлами.epf - обработка для выгрузки структуры конфигурации 1С
3. Loader - веб-интерфейс для загрузки архива выгрузки из 1С в векторную БД Qdrant
4. MCP Server - сервер для ответов на вопросы с использованием RAG

Новые возможности

🚀 Мультивекторный поиск

MCP сервер теперь поддерживает мультивекторный поиск с использованием RRF （Reciprocal Rank Fusion）：

• Два векторных представления: object_name и friendly_name для каждого объекта
• RRF алгоритм: автоматическое объединение результатов поиска по разным векторам
• Улучшенная точность: более релевантные результаты поиска
• 向后兼容性：возможность отключить мультивекторный поиск

📖 Подробнее о мультивекторном поиске

Быстрый запуск

Запуск всех сервисов

Остановка сервисов

Доступные сервисы

После запуска будут доступны:

MCP сервер с RAG описанием структуры конфигурации 1С

Демонстрация запуска и использования на Youtube:

Подробнее в статье.

Проект состоит из нескольких сервисов для работы с векторной базой данных на основе документации 1C:

1. Embedding Service - сервис генерации векторных представлений
2. ПолучитьТекстСтруктурыКонфигурацииФайлами.epf - обработка для выгрузки структуры конфигурации 1С
3. Loader - веб-интерфейс для загрузки архива выгрузки из 1С в векторную БД Qdrant
4. MCP Server - сервер для ответов на вопросы с использованием RAG

Новые возможности

🚀 Мультивекторный поиск

MCP сервер теперь поддерживает мультивекторный поиск с использованием RRF (Reciprocal Rank Fusion):

• Два векторных представления: object_name и friendly_name для каждого объекта
• RRF алгоритм: автоматическое объединение результатов поиска по разным векторам
• Улучшенная точность: более релевантные результаты поиска
• Backward compatibility: возможность отключить мультивекторный поиск

📖 Подробнее о мультивекторном поиске

Быстрый запуск

Запуск всех сервисов

chmod +x start.sh && chmod +x stop.sh
# Запуск всех сервисов
./start.sh

# Или вручную
docker-compose up --build

Остановка сервисов

# Остановка всех сервисов
./stop.sh

# Или вручную
docker-compose down

Доступные сервисы

После запуска будут доступны:

• Loader (Streamlit): http://localhost:8501 - веб-интерфейс для загрузки файлов
• Embedding Service: http://localhost:5000 - API для генерации эмбеддингов
• Qdrant: http://localhost:6333/dashboard - векторная база данных
• MCP Server: http://localhost:8000/mcp - сервер для ответов на вопросы
• MCP Inspector: http://localhost:6274 - веб-интерфейс проверки/отладки MCP серверов

Структура проекта

mcp-1c-v1/
├── embeddings/           # Сервис генерации эмбеддингов
│   ├── Dockerfile
│   ├── embedding_service.py
│   ├── config.json
│   └── requirements.txt
├── loader/              # Веб-интерфейс для загрузки данных
│   ├── Dockerfile
│   ├── loader.py
│   ├── config.py
│   └── requirements.txt
├── mcp/                 # MCP 1С RAG сервер
│   ├── Dockerfile
│   ├── mcp_server.py
│   ├── config.py
│   └── requirements.txt
├── inspector/           # MCP Inspector
│   ├── Dockerfile
│   ├── mcp_server.py
│   ├── config.py
│   └── requirements.txt
├── ПолучитьТекстСтруктурыКонфигурацииФайлами.epf # Обработка для 1С для выгрузки структуры
├── docker-compose.yml  # Конфигурация всех сервисов
├── start.sh            # Скрипт запуска
└── stop.sh             # Скрипт остановки

Использование

1. Запустите все сервисы: ./start.sh