Crawl4AI RAG MCP Server

Crawl4AI RAG MCP Server

Enables AI assistants to crawl, index, and retrieve information from technical documentation using semantic search, with optional knowledge graph validation for code hallucination detection.

Category
访问服务器

README

Crawl4AI RAG MCP Server

A Retrieval-Augmented Generation (RAG) MCP server built with Python that enables AI assistants to crawl, index, and retrieve information from technical documentation using semantic search.

The server integrates Crawl4AI for web crawling, Supabase (pgvector) for vector storage, OpenAI embeddings for semantic retrieval, and Neo4j for repository knowledge graph validation.


Features

  • Model Context Protocol (MCP) server
  • Intelligent web crawling with Crawl4AI
  • Recursive website indexing
  • Automatic document chunking
  • OpenAI embedding generation
  • Supabase pgvector vector database
  • Semantic document retrieval
  • Optional Hybrid Search
  • Optional Contextual Embeddings
  • Optional Agentic RAG
  • Optional Cross-Encoder Reranking
  • Neo4j Knowledge Graph integration
  • AI code hallucination detection
  • Repository structure validation
  • Docker support
  • SSE & STDIO transport support

Tech Stack

Category Technologies
Language Python
AI OpenAI API
Protocol Model Context Protocol (MCP)
Web Crawling Crawl4AI
Vector Database Supabase + pgvector
Knowledge Graph Neo4j
Containerization Docker
Retrieval RAG

Architecture

                    AI Assistant
                         │
                         ▼
                  MCP Server (Python)
                         │
        ┌────────────────┼────────────────┐
        │                │                │
        ▼                ▼                ▼
   Crawl4AI         Knowledge Graph     RAG Pipeline
        │              (Neo4j)             │
        ▼                                  ▼
 Crawl Websites                    Document Chunking
                                          │
                                          ▼
                                 OpenAI Embeddings
                                          │
                                          ▼
                              Supabase (pgvector)
                                          │
                                          ▼
                                  Semantic Search
                                          │
                                          ▼
                                  Generated Response

MCP Tools

Crawling

  • Crawl a single page
  • Crawl complete documentation websites
  • Recursive crawling
  • Sitemap crawling

Retrieval

  • Semantic RAG search
  • Source filtering
  • Hybrid retrieval
  • Context-aware retrieval

Knowledge Graph

  • Parse GitHub repositories
  • Validate AI-generated Python code
  • Detect hallucinated imports
  • Detect invalid methods/classes
  • Query repository graph

Project Structure

src/
├── crawl4ai_mcp.py
├── tools/
├── knowledge_graphs/
├── rag/
├── utils/

public/

docker/

.env
README.md

Installation

Clone the repository

git clone <repository-url>
cd crawl4ai-rag-mcp-server

Install dependencies

pip install -r requirements.txt

Environment Variables

Create a .env file.

OPENAI_API_KEY=

SUPABASE_URL=
SUPABASE_SERVICE_KEY=

NEO4J_URI=
NEO4J_USER=
NEO4J_PASSWORD=

Running

Using Python

python src/crawl4ai_mcp.py

Using Docker

docker build -t crawl4ai-rag .
docker run --env-file .env -p 8051:8051 crawl4ai-rag

Retrieval Pipeline

  1. Crawl technical documentation
  2. Clean extracted content
  3. Split documents into chunks
  4. Generate embeddings
  5. Store vectors in pgvector
  6. Perform semantic similarity search
  7. Inject retrieved context into prompts
  8. Generate grounded responses

Knowledge Graph Pipeline

  • Parse GitHub repositories
  • Extract classes
  • Extract methods
  • Extract imports
  • Build Neo4j graph
  • Validate AI-generated code
  • Detect hallucinated APIs

Future Improvements

  • Multiple embedding model support
  • Local embedding models
  • Incremental indexing
  • Authentication
  • Citation support
  • Multi-user support
  • Document upload
  • PDF ingestion
  • Monitoring & Observability

推荐服务器

Baidu Map

Baidu Map

百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。

官方
精选
JavaScript
Playwright MCP Server

Playwright MCP Server

一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。

官方
精选
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。

官方
精选
本地
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

官方
精选
本地
TypeScript
VeyraX

VeyraX

一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。

官方
精选
本地
Kagi MCP Server

Kagi MCP Server

一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

官方
精选
Python
graphlit-mcp-server

graphlit-mcp-server

模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。

官方
精选
TypeScript
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

Exa MCP Server

模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。

官方
精选