Content
# MCP сервер с RAG описанием структуры конфигурации 1С
Демонстрация запуска и использования на Youtube:
[](http://www.youtube.com/watch?v=74kYcK6bvGk)
[**Подробнее в статье**](https://github.com/FSerg/mcp-1c-v1/blob/main/article/article.md ).
Проект состоит из нескольких сервисов для работы с векторной базой данных на основе документации 1C:
1. **Embedding Service** - сервис генерации векторных представлений
2. **ПолучитьТекстСтруктурыКонфигурацииФайлами.epf** - обработка для выгрузки структуры конфигурации 1С
3. **Loader** - веб-интерфейс для загрузки архива выгрузки из 1С в векторную БД Qdrant
4. **MCP Server** - сервер для ответов на вопросы с использованием RAG
## Новые возможности
### 🚀 Мультивекторный поиск
MCP сервер теперь поддерживает мультивекторный поиск с использованием RRF (Reciprocal Rank Fusion):
- **Два векторных представления**: `object_name` и `friendly_name` для каждого объекта
- **RRF алгоритм**: автоматическое объединение результатов поиска по разным векторам
- **Улучшенная точность**: более релевантные результаты поиска
- **Backward compatibility**: возможность отключить мультивекторный поиск
📖 [Подробнее о мультивекторном поиске](mcp/MULTIVECTOR_SEARCH.md)
## Быстрый запуск
### Запуск всех сервисов
```bash
chmod +x start.sh && chmod +x stop.sh
# Запуск всех сервисов
./start.sh
# Или вручную
docker-compose up --build
```
### Остановка сервисов
```bash
# Остановка всех сервисов
./stop.sh
# Или вручную
docker-compose down
```
## Доступные сервисы
После запуска будут доступны:
- **Loader (Streamlit)**: http://localhost:8501 - веб-интерфейс для загрузки файлов
- **Embedding Service**: http://localhost:5000 - API для генерации эмбеддингов
- **Qdrant**: http://localhost:6333/dashboard - векторная база данных
- **MCP Server**: http://localhost:8000/mcp - сервер для ответов на вопросы
- **MCP Inspector**: http://localhost:6274 - веб-интерфейс проверки/отладки MCP серверов
## Структура проекта
```
mcp-1c-v1/
├── embeddings/ # Сервис генерации эмбеддингов
│ ├── Dockerfile
│ ├── embedding_service.py
│ ├── config.json
│ └── requirements.txt
├── loader/ # Веб-интерфейс для загрузки данных
│ ├── Dockerfile
│ ├── loader.py
│ ├── config.py
│ └── requirements.txt
├── mcp/ # MCP 1С RAG сервер
│ ├── Dockerfile
│ ├── mcp_server.py
│ ├── config.py
│ └── requirements.txt
├── inspector/ # MCP Inspector
│ ├── Dockerfile
│ ├── mcp_server.py
│ ├── config.py
│ └── requirements.txt
├── ПолучитьТекстСтруктурыКонфигурацииФайлами.epf # Обработка для 1С для выгрузки структуры
├── docker-compose.yml # Конфигурация всех сервисов
├── start.sh # Скрипт запуска
└── stop.sh # Скрипт остановки
```
## Использование
1. Запустите все сервисы: `./start.sh`
2. Выгрузите описание структуры конфигурации из 1С: `ПолучитьТекстСтруктурыКонфигурацииФайлами.epf`
3. Откройте веб-интерфейс загрузчика: http://youraddress:8501
4. Загрузите ZIP-архив с markdown файлами и файлом objects.csv
5. Нажмите "Начать обработку"
6. После загрузки данные будут доступны в Qdrant для поиска через MCP Server
Для агентов (Cursor, RooCode) поддерживающих современный протокол Streamable HTTP, указываем: http://youaddress:8000/mcp
Для VSCode Copilot, хоть и заявлена поддержка Streamable HTTP, но у меня работает только как SSE, поэтому указывал: http://youraddress:8000/mcp/sse
**Для VSCode Copilot .../YourProject/.vscode/mcp.json**
```json
{
"servers": {
"my-1c-mcp-server": {
"headers": {
"x-collection-name": "my_vector_collection"
},
"url": "http://youraddress:8000/mcp/sse"
}
}
}
```
**Для Cursor .../YourProject/.cursor/mcp.json**
```json
{
"servers": {
"my-1c-mcp-server": {
"headers": {
"x-collection-name": "my_vector_collection"
},
"url": "http://youraddress:8000/mcp"
}
}
}
```
Через заголовок `x-collection-name` можно указать имя коллекции в Qdrant вместо дефолтного `1c_rag`. Т.к. настройки MCP почти везде можно указывать на уровне проекта, то это позволяет один и тот же инстанс MCP сервера использовать для разных проектов с разными коллекциями (для разных конфигураций 1С).
## Переменные окружения
Можно настроить через переменные окружения:
- `EMBEDDING_SERVICE_URL` - URL сервиса эмбеддингов (по умолчанию: http://youraddress:5000)
- `QDRANT_HOST` - хост Qdrant (по умолчанию: localhost)
- `QDRANT_PORT` - порт Qdrant (по умолчанию: 6333)
- `COLLECTION_NAME` - имя коллекции в Qdrant (по умолчанию: 1c_rag), который может быть переопределено в заголовке `x-collection-name` в настройках подключения MCP сервера
- `ROW_BATCH_SIZE` - размер батча строк (по умолчанию: 250)
- `EMBEDDING_BATCH_SIZE` - размер батча эмбеддингов (по умолчанию: 50)
## Отладка
Для просмотра логов отдельного сервиса:
```bash
# Логи конкретного сервиса
docker-compose logs -f loader
docker-compose logs -f embedding-service
docker-compose logs -f qdrant
docker-compose logs -f mcp-server
# Логи всех сервисов
docker-compose logs -f
```
