随着 AI 技术的快速发展，RAG（检索增强生成）技术逐渐成为许多开发者的首选工具。而 RAGFlow 作为一款专注于 RAG 技术的开源工具，因其强大的功能和灵活的配置能力，受到广泛已关注。最近，RAGFlow 发布了 0.18.0 版本，新增了许多实用功能，尤其是对 MCP（Model Control Protocol）的支持，进一步提升了其扩展性和灵活性。本文将围绕 RAGFlow 0.18.0 的新功能展开，结合实际操作，为您详细解读如何快速上手并高效利用 RAGFlow。
一、RAGFlow 0.18.0 新功能解读
RAGFlow 0.18.0 的发布带来了多项重要更新，以下是其中几个核心功能的解读：
1. 实现了 MCP Server
RAGFlow 现在支持通过 MCP 协议对外提供知识库服务。这意味着，您可以将 RAGFlow 的知识库无缝接入其他支持 MCP 的工具（如 n8n），构建更复杂的自动化工作流。MCP 的引入，进一步提升了 RAGFlow 的灵活性和扩展性。
2. 团队协作功能
RAGFlow 0.18.0 增加了 Agent 的共享功能，团队成员可以通过分享 Agent 来协作完成任务。这对于需要多人协作的场景来说，无疑是一个巨大的便利。
3. Agent 版本管理
RAGFlow 现在支持 Agent 的版本管理功能，所有更新都会被记录，并且可以通过导出功能恢复到旧版本。这对于需要长期维护和迭代的项目来说，非常实用。
4. 新增兼容 OpenAI API 的模型供应商
RAGFlow 现在支持调用与 OpenAI API 兼容的模型，这意味着您可以更灵活地选择模型供应商，而无需修改现有代码。
5. PDF 解析器支持 VLM 模型
RAGFlow 的 PDF 解析器现在支持视觉语言模型（VLM），进一步提升了对复杂 PDF 文件的处理能力。
6. 优化回答引用
RAGFlow 优化了生成回答时的引用精准度，确保引用内容更加准确，提升回答的可信度。
7. 优化对话体验
新增了主动终止对话时的流式输出功能，提升了用户体验。
二、启动 RAGFlow 中的 MCP 服务
RAGFlow 0.18.0 的 MCP 功能无疑是其一大亮点。以下是启动 RAGFlow 中的 MCP 服务的详细步骤：
步骤1：安装并启动 RAGFlow
首先，您需要安装并启动 RAGFlow。如果是首次使用，可以按照以下步骤操作：
下载 RAGFlow 的最新版本，可以从其 GitHub 仓库获取。
安装完成后，启动 RAGFlow 服务。
打开浏览器，访问 http://localhost:8000，进入 RAGFlow 的管理界面。
步骤2：配置 MCP 服务
在 RAGFlow 中配置 MCP 服务，具体步骤如下：
登录 RAGFlow 的管理界面。
进入“设置”页面，找到“MCP-Server”相关配置。
启用 MCP-Server，并配置相应的端口和访问权限。
步骤3：测试 MCP 服务
配置完成后，您可以测试 MCP 服务是否正常运行：
在终端中输入以下命令，测试与 RAGFlow 的 MCP 服务的连接：
curl -X POST "http://localhost:8000/mcp/v1/chat/completions" -H "Content-Type: application/json" -d '{"messages":[{"role":"user","content":"你好"}]}'
如果返回正常的结果，则说明 MCP 服务配置成功。
三、RAGFlow 的实际应用方案
1. 混合检索方案
RAGFlow 的 MCP 服务可以与数据库结合，实现关键词与向量化混合检索。这种方案可以有效解决向量检索不准确的问题，提升检索的精准度。
2. 插件化解决方案
如果您需要更灵活的部署方式，可以通过插件化的方式在 RAGFlow 中安装 mysql_mcp_server，实现与数据库的无缝对接。
3. 安全性建议
需要注意的是，mysql_mcp_server 是本地服务，一般情况下不建议直接暴露在生产环境中。如果需要在生产环境中使用，建议将其与应用服务器部署在一起，并做好相应的安全防护措施。
四、总结与展望
RAGFlow 0.18.0 的发布，进一步提升了其功能的丰富性和灵活性。通过 MCP 服务的引入，RAGFlow 可以更轻松地与其他工具和服务集成，构建更复杂的自动化工作流。同时，团队协作、版本管理和兼容 OpenAI API 等功能的加入，也进一步提升了其在实际应用中的价值。
暂无评论内容