实战指南：从零构建 MCP 架构下的 Agentic RAG 系统，无第三方MCP Server

日志显示，这里未加载向量索引，而是由工具加载这个文档的节点，并生成文档摘要后返回（SummaryIndex的效率不太高，有待优化）

大靠山

388人浏览 · 2025-05-07 15:57:17

大靠山 · 2025-05-07 15:57:17 发布

01.思考：MCP与Agentic RAG的融合

RAG是一种借助外部知识来给LLM提供上下文的AI应用范式。从这个角度来说，RAG与MCP有着相似的意义：给大模型补充上下文，以增强其能力。只是MCP以提供外部工具为主，而RAG则是以注入参考知识为主。这就像一个考试的学生，MCP给你提供计算器，而RAG则是给你一本书。

当然，两者的重点并不一样，MCP强调的是提供工具的方式（集成标准）；而RAG则是需要你实现的完整应用。所以两者并不冲突，完全可以用MCP的方法来集成一个RAG应用。

特别是在Agentic RAG系统（如下图）中，由于通常涉及到多个RAG查询管道与Agent的融合，这就与MCP的思想非常契合：

假设一个典型的Agentic RAG应用：

一个针对大量不同文档的问答Agent，这些问答有事实性问题也有摘要性问题，更有跨越多个文档的融合问题，甚至需要搜索引擎来补充信息。

现在我们来用MCP的标准设计并完整的实现这个场景。

02

MCP标准下的Agentic RAG架构

在MCP架构下，无论是SSE还是stdio模式，都是Client/Server模式。你必须在开始之前清晰的设计好MCP Server与Client应用的分工及交互。比如：

服务端提供的工具，包括功能边界、输入输出
服务功能粒度不能太大（丧失模块化）也不能太小（复杂化）
缓存与持久化设计：毕竟RAG是数据密集型应用
客户端Agent设计：模型、工作流、与服务端的交互等
如果是多用户环境：要考虑只是文档与索引的隔离

【总体思想】

我们基于如下的总体架构来实现：

在MCP Server上提供RAG管道构建与查询的工具；在客户端创建使用这些工具的AI Agent，提供查询任务规划与执行能力
MCP Server借助LlamaIndex实现RAG管道；在客户端借助LangGraph实现Agent：让每个‘人’干更擅长的事。

03

MCP Server：RAG管道的核心

MCP Server是RAG功能实现的位置。我们对MCP Server拆解设计如下：

【工具（Tools）】

create_vector_index：输入文档、索引名与参数，完成解析与索引创建。
query_document：查询事实问题的RAG管道，输入索引名与查询问题。
get_document_summary：查询总结性问题的RAG管道，输入文件和查询问题。
list_indies等：辅助工具，包括一个自己实现的Web搜索工具。

需要说明，在这里的设计中，不同的RAG管道查询的工具是一样的，但参数（索引名，依赖于Agent推理）不同。一个是推理工具，一个推理参数，效果一致。

【缓存机制】

服务端要对文档解析（含分割）与索引创建的信息进行缓存（持久化存储），以防止可能的重复解析与索引创建，提高性能。

文档节点缓存：缓存文档解析分拆后的结果，确保文档解析过一次后，只要内容与参数（如chunk_size）不变，就不会被重新解析。

文档缓存的唯一名称是文档内容hash值****+解析****参数的联合。比如：

“questions.csv_f4056ac836fc06bb5f96ed233d9e2b63_500_50”

索引信息缓存：缓存已经创建过的索引信息，防止重复嵌入及向量库访问，避免不必要的模型调用成本。

索引缓存的唯一名称是每个文档关联的唯一索引名称。比如：

“questions_for_customerservice”

以下情况下会导致索引被重建：

客户端强制要求重建
索引信息缓存不存在
文档节点缓存不存在

这样的缓存管理方式，可以增加处理的灵活性与健壮性。如：

更改文档内容或解析参数，即时文档名与索引名不变：仍然会触发索引重建。
文档内容与参数不变，但修改索引名：会创建新索引，但不会重新解析文档。

【工具实现：create_vector_index】

这是服务端两个重要工具之一，核心代码如下，请参考注释理解：

.....
@app.tool()
asyncdefcreate_vector_index(
    ctx: Context, 
    file_path: str, 
    index_name: str, 
    chunk_size: int = 500, 
    chunk_overlap: int = 50, 
    force_recreate: bool = False
) -> str:
    """创建或加载文档向量索引（使用缓存的节点）
    
    Args:
        ctx: 上下文对象
        file_path: 文档文件路径
        index_name: 索引名称
        chunk_size: 文本块大小
        chunk_overlap: 文本块重叠大小
        force_recreate: 是否强制重新创建索引
    
    Returns:
        操作结果描述
    """
    #用来判断索引是否存在
    storage_path = f"{storage_dir}/{index_name}"
    
    try:
        # 获取Chroma客户端
        chroma = ctx.request_context.lifespan_context.chroma
        
        # 获取节点缓存路径（文档内容hash_chunksize_chunovlerlap）
        cache_path = get_cache_path(file_path, chunk_size, chunk_overlap)
        
        # 确定是否需要重建索引：强制 or 索引不存在 or 文档有变
        need_recreate = (
            force_recreate or
            not os.path.exists(storage_path) or
            not os.path.exists(cache_path)
        )
            
        if os.path.exists(storage_path) andnot need_recreate:
            returnf"索引 {index_name} 已存在且参数未变化，无需创建"
        
        # 如果需要重新创建，首先尝试删除现有的索引向量库
        try:
            chroma.delete_collection(name=index_name)
        except Exception as e:
            logger.warning(f"删除集合时出错 (可能是首次创建): {e}")
            
        # 创建新的向量库
        collection = chroma.get_or_create_collection(name=index_name)
        vector_store = ChromaVectorStore(chroma_collection=collection)
        
       # 加载与拆分文档 
        nodes = await load_and_split_document(ctx, file_path, chunk_size, chunk_overlap) 
        logger.info(f"加载了 {len(nodes)} 个节点")
        
        # 创建向量索引
        storage_context = StorageContext.from_defaults(vector_store=vector_store)
        vector_index = VectorStoreIndex(nodes, storage_context=storage_context, embed_model=embedded_model)
        
        # 缓存索引信息，这样下次不会重建
        vector_index.storage_context.persist(persist_dir=storage_path)
        returnf"成功创建索引: {index_name}, 包含 {len(nodes)} 个节点"
        
    except Exception as e:
......

【工具实现：query_document】

这是客户端调用的主要工具。其输入是索引名与查询问题。借助索引缓存，可以快速加载并执行RAG查询。这里不再展示完整处理过程：

@app.tool()
async  def query_document(
    ctx: Context, 
    index_name: str, 
    query: str,
    similarity_top_k: int = 5
) -> str:
    """从文档中查询事实性信息，用于回答具体的细节问题
    
    Args:
        ctx: 上下文对象
        index_name: 索引名称
        query: 查询文本
        similarity_top_k: 返回的相似节点数量
    
    Returns:
        查询结果
    """
......

按类似方法，再创建一个用于回答总结性问题的工具（利用LlamaIndex的SummaryIndex类型索引），此处不在赘述。

04

MCP客户端：实现Agent（基于LangGraph）

客户端的工作流程如下：

客户端的几个设计重点简单说明如下：

【配置文件】

客户端有两个重要的配置信息，分别用于MCP Server与知识文档的配置。

mcp_config.json:

配置MCP Servers的信息，支持多Server连接、工具加载与过滤（这是一个在langgraph-mcp-adapers基础上扩展的版本）。比如：

{
  "servers": {
    "rag_server": {
      "transport": "sse",
      "url": "http://localhost:5050/sse",
      "allowed_tools": ["load_and_split_document", "create_vector_index", "get_document_summary", "query_document"]
    },
     
    ...其他server...
}

doc_config.json:

配置需要索引和查询的全部文档信息。这些信息还会在查询时被注入Agent提示词，用来推理工具的使用参数：

{
    "data/c-rag.pdf": {
        "description": "c-rag技术论文，可以回答c-rag有关问题",
        "index_name": "c-rag",
        "chunk_size": 500,
        "chunk_overlap": 50
    },
    "data/questions.csv": {
        "description": "税务问题数据集，包含常见税务咨询问题和答案",
        "index_name": "tax-questions",
        "chunk_size": 500,
        "chunk_overlap": 50
    },
    ....其他需要索引和查询的文档.....
}

【主程序】

客户端主程序流程非常简单，基于一个封装的MCP客户端与AgenticRAG类型：

......
        client = MultiServerMCPClient.from_config('mcp_config.json')
        asyncwith client as mcp_client: 
        
            logger.info(f"已连接到MCP服务器: {', '.join(mcp_client.get_connected_servers())}")
            
            # 创建智能体
            rag = AgenticRAGLangGraph(client=mcp_client, doc_config=doc_config)

            # 创建向量索引，自动排重
            await rag.process_files()
            
            # 构建智能体
            await rag.build_agent()
            
            # 交互式对话
            await rag.chat_repl()

【创建智能体（build_agent)】

注意到这里的关键步骤是build_agent，会借助LangGraph预置的create_react_agent快速创建Agent。如果你需要精细化的控制，也可以自定义Graph：

......
    async def build_agent(self) -> None:

        # 获取服务端提供的工具列表
        mcp_tools = await self.client.get_tools_for_langgraph()

        ...略：配置文件生成doc_info....

        # 使用LangGraph创建ReAct智能体
        self.agent = create_react_agent(
            model=llm,
            tools=mcp_tools,
            prompt=SYSTEM_PROMPT.format(
              doc_info_str=doc_info_str,
              current_time=datetime.now().strftime('%Y-%m-%d %H:%M:%S')),
        )
        
        logger.info("===== 智能体构建完成 =====")

篇幅原因，一些细节部分不在这做详细展示。如果有疑问，欢迎后台交流。

05

端到端效果演示

现在让我们来测试下这个的“MCP化”的Agentic RAG应用的运行效果。按照如下步骤来进行：

1. 启动MCP RAG-Server。这里用更复杂的SSE模式（暂时未支持文档上传，所以只能本机启动）：

启动时会自动提取并展示服务端的工具清单。

**2. 准备客户端知识文档与配置文件。**将需要索引和查询的文档放在应用的data/目录，配置好mcp_config与doc_config。不做任何其他处理。直接启动客户端应用：

python rag_agent_langgraph.py

* 观察首次运行的跟踪信息（如下图），这里的过程是：

连接RAG-Server与初始化
调用服务端工具创建向量索引。由于是首次访问，服务端没有索引缓存，所以会逐个对文件解析与创建向量索引
最后会加载Server端工具，创建LangGraph的Agent

* 现在退出程序，再次启动客户端，观察输出（如下图），可以看到由于索引已经创建，所以会显示“无需创建”。

3. 交互式测试

进入交互式测试环节（图中的服务端信息是通过MCP接口推送到客户端的远程日志，方便观察服务端的工作状态）：

1. 关联两个文档信息的查询

由于提供的文档有北京和上海的城市信息介绍，所以看到这个问题调用了北京和上海的RAG管道查询，还自作主张的调用了搜索引擎做补充，然后输出答案：

2. 查询知识库答案，并要求和网络搜索结果核对。

日志显示，Agent先用本地向量索引查询，然后通过搜索引擎对比，非常准确。

3. 总结性问题测试。

日志显示，这里未加载向量索引，而是由工具加载这个文档的节点，并生成文档摘要后返回（SummaryIndex的效率不太高，有待优化）

4. 最后一个很有意思的测试。

由于我们把创建索引的过程“工具”化了，所以甚至可以用自然语言来管理索引。比如这里我要求把csv文档的索引重建，智能体准确的推理出工具及参数，并重建了csv文档索引（实际应用要考虑安全性）：

以上展示了一个基于MCP架构的Agentic RAG系统的实现。总结这种架构下的一些明显的变化：

MCP要求对整个系统做模块化与松耦合的重新设****计，这会带来一系列工程上的好处。比如分工与效率提升、可维护性、独立扩展、部署更灵活等。
MCP不依赖于某个技术堆栈。因此技术选择上更灵活，比如服务端用LlamaIndex框架，而客户端则用LangGraph；甚至可以用不同的语言。
MCP实现了基于标准的模块间互操作。这有助于资源共享，减少重复开发，比如其他人可以基于你的RAG Server构建Agent，而无需了解RAG的具体实现。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述