企業は、1 つではなく、100 を超える RAG データ ソースを構築しています。 - Microsoft は M365 製品で出荷します。 - Google は Vertex AI Search でこれを出荷します。 - AWS は Amazon Q Business で出荷します。 200 +ソース(100%ローカル)を超えるMCPを利用したRAGを構築しましょう。

エンタープライズ データは、多くのソースに散在しています。 今日は、1つのインターフェイスから200 +ソースをクエリできる統合MCPサーバーを構築します。 技術スタック: - ローカルMCPクライアントを構築するための@mcpuse - データソースに接続する@MindsDB - GPT-ossをローカルで提供する@ollama さあ、始めましょう!

ワークフローは次のとおりです。 - ユーザーがクエリを送信します。 - エージェントは MindsDB MCP サーバーに接続してツールを検索します。 - ユーザーのクエリに基づいて適切なツールを選択し、それを呼び出します - 最後に、コンテキストに関連する応答を返します それでは、コードに飛び込みましょう!

1️⃣ Docker のセットアップ MindsDBは、Dockerコンテナで実行できるDockerイメージを提供します。 ターミナルでコマンドを実行し、Docker イメージを使用して MindsDB をローカルにインストールします。 これがいいと思います 👇

2️⃣ MindsDB GUI を起動する Docker イメージをインストールしたら、ブラウザーで localhost ポート 47334 に移動して、MindsDB エディターにアクセスします。 このインターフェイスを介して、200を超えるデータソースに接続し、それらに対してSQLクエリを実行できます。 これがいいと思います 👇

3️⃣ データソースの統合 データソースをMindsDBに接続して、フェデレーションクエリエンジンの構築を開始しましょう。 Slack、Gmail、GitHub、Hacker News をフェデレーションデータソースとして使用しています。 これがいいと思います 👇

4️⃣ MCP サーバー構成 フェデレーションクエリエンジンを構築したら、データソースをMindsDBのMCPサーバーに接続して統合しましょう。 以下に示すように、MCP サーバー構成を JSON ファイルに追加します。 これがいいと思います 👇

5️⃣ クライアントをサーバーに接続する mcp-useを介してローカルクライアントをセットアップし、わずか4行のコードでMCPサーバーに接続します。 1. 構成ファイルから MCP クライアントを初期化します。 2. Ollama 経由でローカル LLM を接続します。 3. LLMとクライアントを使用してエージェントを作成します。 4. クエリを実行します。 これを👇チェックしてください

完成です！ これで、MindsDB MCPサーバーがmcp-useを介してローカルクライアントに接続されました。 次の 2 つのツールを提供します。 - list_databases: MindsDBに接続されているすべてのデータソースを一覧表示します。 - query: フェデレーテッド・データに関するユーザーのクエリに回答します。 これを👇チェックしてください

最後に、Streamlitインターフェースでセットアップをラップし、MCP設定を動的に変更し、エージェントと直接チャットすることができます。 このデモ👇をチェック

これでおしまいです! 洞察力に富んでいると感じた場合は、ネットワークで再共有してください。 → @_avichawla探して 私は毎日、DS、ML、LLM、RA に関するチュートリアルと洞察を共有しています。