简介Brave Search MCP Server 是 Brave Software 官方开发的 Model Context Protocol 搜索服务器,集成了功能强大的 Brave Search API,为 AI 助手提供全方位的搜索能力。该服务器支持五大核心搜索功能:网页搜索、本地商户搜索(POI)、图片搜索、视频搜索和新闻搜索,并提供 AI 驱动的搜索结果摘要功能。Brave Search API 以其在 RAG(检索增强生成)管道中的卓越表现而闻名,是使用 Claude MCP 的应用中最受欢迎的搜索工具。服务器支持 stdio 和 HTTP 两种传输协议,提供灵活的部署方式(NPX、Docker、Smithery)。值得注意的是,Brave Search 提供每月 2000 次免费查询额度,足够个人开发和小型项目使用。
功能特性
网页搜索 - 全球互联网内容检索
本地...
Qdrant MCP Server - 为AI应用提供语义记忆层
Qdrant MCP Server - 为AI应用提供语义记忆层
官方实现 | Stars: 988 | Python | Apache-2.0
概述Qdrant MCP Server 是 Qdrant 官方提供的 Model Context Protocol 实现，作为 AI 应用的语义记忆层。它通过向量嵌入技术，能够在 Qdrant 向量搜索引擎中存储和检索上下文信息，支持语义代码搜索、知识库检索等场景。
该服务器提供了简单而强大的两个核心工具：存储（qdrant-store）和查找（qdrant-find），支持灵活的嵌入模型配置，可以与本地或远程的 Qdrant 数据库集成。特别适合需要长期记忆、上下文检索的 AI 应用场景，如代码助手、知识问答系统等。
核心特性
✅ Qdrant 官方实现，与向量数据库深度集成
🛠️ 简洁的两个核心工具：存储和查找
🎯 支持自定义嵌入...
检索增强生成：用于知识密集型NLP任务
论文概述检索增强生成 (Retrieval-Augmented Generation, RAG) 是一个突破性的框架，它结合了预训练的参数化记忆（序列到序列模型）和非参数化记忆（维基百科的密集向量索引），专门用于知识密集型NLP任务。RAG模型使用预训练的神经检索器访问维基百科，然后将检索到的文档作为上下文传递给生成器,产生更具体、更多样化、更符合事实的输出。这项工作在开放域问答任务上达到了最先进水平，并证明了检索增强模型比纯参数化模型产生更可靠和可解释的输出。
论文信息：
发布时间：2020-05-22
作者：Patrick Lewis, Ethan Perez, Aleksandra Piktus等
机构：Facebook AI Research, University College London, New York University
研究方向：提示工程 (Prompt ...