mcp-local-rag — MCP-сервер для Claude Code: что делает и установка
Локальный семантический и текстовый поиск по файлам PDF, DOCX и Markdown без отправки данных в сторонние API. Помогает работать с приватной документацией прямо в чате.
claude mcp add --env BASE_DIR=<BASE_DIR> --env BASE_DIRS=<BASE_DIRS> --env IGNORE_PATHS=<IGNORE_PATHS> --env DB_PATH=<DB_PATH> --env CACHE_DIR=<CACHE_DIR> --transport stdio mcp-local-rag -- npx -y mcp-local-ragЧто делает mcp-local-rag
Сервер индексирует каталоги с файлами PDF, DOCX, TXT и Markdown на локальной машине. Поиск совмещает векторное сравнение с поиском по точным ключевым словам, поэтому агент находит и общий контекст, и конкретные имена функций или коды ошибок. Результаты выдачи содержат фрагменты текста с номерами страниц, строк или заголовками.
Инструменту не требуются Docker, Python или внешние базы данных. Для запуска нужен Node.js версии 22.20 или новее. Доступ к интернету потребуется только при первой синхронизации, когда сервер скачивает модель эмбеддингов размером около 90 МБ. Дальше обработка и запросы идут полностью офлайн.
Каталог из переменной BASE_DIR служит границей безопасности: файлы вне его сервер не читает. Файлы кода, таблицы Excel и презентации PowerPoint напрямую не индексируются, поэтому исходные файлы таких типов в эту папку складывать бесполезно.
Какие задачи решает
- искать информацию в закрытой документации PDF, DOCX и Markdown без передачи данных внешним сервисам
- находить точные названия методов и коды ошибок с помощью гибридного поиска
- получать цитаты из файлов с указанием конкретных страниц и строк
- обновлять индекс локальных папок без развёртывания внешних баз данных
Примеры запросов агенту
- «Синхронизируй локальную папку с документами и сообщи, когда закончишь.»
- «Найди в проиндексированных файлах описание ошибки ERR_CONNECTION_REFUSED.»
- «Покажи соседние фрагменты текста вокруг найденной цитаты.»
Как установить mcp-local-rag
Командой платформы
claude mcp add --env BASE_DIR=<BASE_DIR> --env BASE_DIRS=<BASE_DIRS> --env IGNORE_PATHS=<IGNORE_PATHS> --env DB_PATH=<DB_PATH> --env CACHE_DIR=<CACHE_DIR> --transport stdio mcp-local-rag -- npx -y mcp-local-ragВместо <…> подставьте свои значения. Ещё 15 переменных окружения — в README сервера
Командой платформы
codex mcp add mcp-local-rag --env BASE_DIR=<BASE_DIR> --env BASE_DIRS=<BASE_DIRS> --env IGNORE_PATHS=<IGNORE_PATHS> --env DB_PATH=<DB_PATH> --env CACHE_DIR=<CACHE_DIR> -- npx -y mcp-local-ragВместо <…> подставьте свои значения. Ещё 15 переменных окружения — в README сервера
Файл настроек
{
"mcpServers": {
"mcp-local-rag": {
"command": "npx",
"args": [
"-y",
"mcp-local-rag"
],
"env": {
"BASE_DIR": "<BASE_DIR>",
"BASE_DIRS": "<BASE_DIRS>",
"IGNORE_PATHS": "<IGNORE_PATHS>",
"DB_PATH": "<DB_PATH>",
"CACHE_DIR": "<CACHE_DIR>"
}
}
}
}Вместо <…> подставьте свои значения. Ещё 15 переменных окружения — в README сервера
Файл настроек
{
"servers": {
"mcp-local-rag": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"mcp-local-rag"
],
"env": {
"BASE_DIR": "<BASE_DIR>",
"BASE_DIRS": "<BASE_DIRS>",
"IGNORE_PATHS": "<IGNORE_PATHS>",
"DB_PATH": "<DB_PATH>",
"CACHE_DIR": "<CACHE_DIR>"
}
}
}
}Вместо <…> подставьте свои значения. Ещё 15 переменных окружения — в README сервера
Командой платформы
gemini mcp add -e BASE_DIR=<BASE_DIR> -e BASE_DIRS=<BASE_DIRS> -e IGNORE_PATHS=<IGNORE_PATHS> -e DB_PATH=<DB_PATH> -e CACHE_DIR=<CACHE_DIR> mcp-local-rag npx -y mcp-local-ragВместо <…> подставьте свои значения. Ещё 15 переменных окружения — в README сервера
По шагам, с командами для каждой платформы: Как подключить MCP-сервер: Claude Code, Codex, Cursor, VS Code, Gemini CLI и другие
Вопросы о mcp-local-rag
Как установить mcp-local-rag в Claude Code?
Выполните команду `claude mcp add --env BASE_DIR=<BASE_DIR> --env BASE_DIRS=<BASE_DIRS> --env IGNORE_PATHS=<IGNORE_PATHS> --env DB_PATH=<DB_PATH> --env CACHE_DIR=<CACHE_DIR> --transport stdio mcp-local-rag -- npx -y mcp-local-rag, указав абсолютный путь к вашим документам вместо <BASE_DIR>`.
Что делает mcp-local-rag?
Сервер локально индексирует документы в форматах PDF, DOCX, TXT и Markdown, позволяя ИИ-ассистенту искать по ним информацию с помощью векторов и ключевых слов. Он возвращает точные фрагменты с номерами строк или страниц без передачи данных в облако.
Какие системные требования нужны для работы сервера?
Требуется установленный Node.js версии 22.20 или новее. Доступ к сети нужен только при первом запуске для загрузки модели эмбеддингов весом около 90 МБ.
