思考：MCP与Agentic RAG的融合 MCP标准下的Agentic RAG架构 MCP服务端：实现RAG-Server（LLamaIndex） MCP客户端：实现Agent（LangGraph） 端到端效果演示
思考：MCP与Agentic RAG的融
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：
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。
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。
MCP Server：RAG管道的核心
【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。
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。
{
"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:
{
"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()......
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。
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。
end
福利时间
为了帮助LLM开发人员更系统性与更深
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：
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。
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。
MCP Server：RAG管道的核心
【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。
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。
{
"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:
{
"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()......
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。
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。
end
