MongoDB 生物入侵研究 MCP 服务器

一个基于 Model Context Protocol (MCP) 的 MongoDB 自然语言查询服务器，专门用于生物入侵研究数据的智能检索和分析。

🚀 功能特性

• 自然语言查询: 使用向量搜索技术实现自然语言到 MongoDB 查询的转换
• 智能重排序: 集成 BGE 重排序模型提升搜索结果相关性
• AI 增强: 可选 DeepSeek API 对查询结果进行智能解释和增强
• MCP 标准兼容: 遵循 MCP 1.13.1 规范，可与各种 MCP 客户端集成

📦 安装依赖

# 使用 uv 包管理器安装
uv sync

# 或者使用 pip
pip install -e .

⚙️ 环境配置

创建 .env 文件并配置以下环境变量：

# MongoDB 配置
MONGO_URI=mongodb://localhost:27017/
MONGO_DB_NAME=中国生物入侵研究
MONGO_COLLECTION=生物入侵研究

# 模型配置
EMBEDDING_MODEL=dengcao/Qwen3-Embedding-8B:Q5_K_M
RERANKER_MODEL=BAAI/bge-reranker-large

# DeepSeek API 配置（可选）
DEEPSEEK_API_KEY=your_deepseek_api_key_here
DEEPSEEK_API_URL=https://api.deepseek.com/v1/chat/completions

🛠️ 可用工具

1. text_to_vector

将文本转换为 768 维嵌入向量

参数:

• text (string, 必需): 需要转换的文本（建议 ≤512 字符）

示例:

{
  "text": "生物入侵对生态系统的影响"
}

2. query_mongo_nl

自然语言查询 MongoDB 数据库

参数:

• query_text (string, 必需): 自然语言查询语句
• limit (int, 可选, 默认=5): 返回结果数量（1-20）
• use_reranker (bool, 可选, 默认=true): 是否使用 BGE 模型重排序
• enhance (bool, 可选, 默认=false): 是否用 DeepSeek 增强结果

示例:

{
  "query_text": "查找关于外来物种入侵的研究",
  "limit": 10,
  "use_reranker": true,
  "enhance": true
}

3. list_tools

查看所有可用工具列表及参数说明

🚀 启动服务器

# 使用 uv 运行
uv run python mcp_mongodb_server.py

# 或者直接运行
python mcp_mongodb_server.py

服务器启动后将通过 stdio 与 MCP 客户端通信。

📊 数据结构要求

MongoDB 集合需要包含以下字段以支持向量搜索：

{
  "_id": ObjectId,
  "content": "文档内容文本",
  "embedding": [0.1, 0.2, 0.3, ...], // 768 维向量
  // 其他相关字段...
}

需要创建向量索引：

db.collection.createIndex({
  "embedding": "vector"
}, {
  "name": "vector_index",
  "type": "vector",
  "dimension": 768,
  "similarity": "cosine"
})

🔧 技术栈

• MCP Server: mcp[cli]>=1.13.1
• 数据库: pymongo>=4.6.0
• 机器学习: transformers>=4.37.0, torch>=2.1.0
• HTTP 请求: requests>=2.31.0
• 环境管理: python-dotenv>=1.0.0

🎯 使用场景

1. 科研人员: 快速检索生物入侵相关研究文献
2. 政策制定者: 分析入侵物种的影响和应对策略
3. 教育工作者: 获取教学案例和研究资料
4. 环保组织: 监测和评估生物入侵状况

🤝 贡献指南

1. Fork 本项目
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情

🙏 致谢

• Model Context Protocol - 提供标准的 AI 工具协议
• Hugging Face - 提供预训练模型
• MongoDB - 提供向量搜索功能

📞 支持

如有问题或建议，请提交 Issue 或联系开发团队。

---

注意: 使用前请确保 MongoDB 服务器正常运行，并已配置正确的向量索引。