क्लाउड के बिना MCP

लेखक का तर्क है कि MCP केवल एजेंटों के लिए नहीं है, बल्कि इसका उपयोग अन्य उद्देश्यों के लिए भी किया जा सकता है, जैसे कि बड़े स्थानीय दस्तावेज़ संग्रह से पुनर्प्राप्ति लागू करना। क्लासिक RAG पर विचार किया गया था, लेकिन इसके लिए महत्वपूर्ण अवसंरचना (एम्बेडिंग मॉडल, वेक्टर डेटाबेस, अनुसूचित पुनः-अनुक्रमण) की आवश्यकता होती है और यह ऑडिट के लिए पारदर्शिता प्रदान नहीं करता है कि मॉडल ने एक विशेष टुकड़ा क्यों चुना। इसके बजाय, एक सूचकांक फ़ाइल (llms.txt विचार) का उपयोग करने का प्रस्ताव है जो सामग्री की तालिका के रूप में कार्य करती है: मॉडल पहले सूचकांक पढ़ता है, फिर उप-सूचकांक, और केवल तब दस्तावेज़ के विशिष्ट अनुभाग को प्राप्त करता है। लेखक ने DocShelf टूल बनाया, जो एक MCP सर्वर है जो PDF को Markdown में परिवर्तित करता है, इसे साफ करता है, इसे अनुभागों में विभाजित करता है, index.md और subindex.md बनाता है, सब कुछ Git में संग्रहीत करता है, और इसे मॉडल से जोड़ता है। पाइपलाइन इस प्रकार है: PDF से Markdown, फिर अनुभागों में विभाजन, फिर सूचकांक निर्माण, फिर Git में सहेजना, फिर MCP सर्वर के माध्यम से LLM। मॉडल कुल संग्रह का केवल एक छोटा सा हिस्सा उपभोग करता है: 85 एमबी शेल्फ़ के उदाहरण में, लगभग 16.5 केबी संदर्भ का उपयोग किया गया था। लेख सामान्य नुकसानों को भी उजागर करता है: PDF पार्सिंग मुद्दे, सिरिलिक भ्रष्टाचार, खराब Markdown संरचना, और समस्या निवारण तालिका देता है। दो कनवर्टर उपलब्ध हैं: pymupdf4llm (तेज़, GPU के बिना) और marker-pdf (जटिल मामलों के लिए, लेकिन भारी)। DocShelf Git को भंडारण, संस्करण और समीक्षा के रूप में समर्थन करता है, और बंद नेटवर्क में काम कर सकता है। लेखक ने निष्कर्ष निकाला कि यह दृष्टिकोण उन परिदृश्यों में क्लासिक RAG का एक व्यवहार्य विकल्प है जहां ऑडिट की आवश्यकता होती है और कॉर्पस स्थानीय होता है।