Каталог MCP
ndjordjevic/pinrag

ndjordjevic/pinrag

Name: ndjordjevic/pinrag
Availability: InStock
Author: ndjordjevic

PinRAG индексирует PDF, GitHub, YouTube, Discord и заметки в единый RAG-индекс. Задавайте вопросы из редактора — ответы с цитатами на источники. Полезен разработчикам и исследователям для работы с ...

README

4 инструмента

Версии

Установить сервер

PinRAG

Overview

PinRAG is for when you want to learn about something and your materials are scattered—PDFs and ebooks, GitHub repos, YouTube videos, Discord discussions, and plain notes. You index those materials into one shared RAG index, then ask questions from Cursor, VS Code (GitHub Copilot), or any MCP-capable assistant and get answers with citations pointing back to pages, timestamps, files, or threads.

Under the hood it is Retrieval-Augmented Generation built with LangChain and exposed as an MCP (Model Context Protocol) server: add documents from the editor, query with natural language, list or remove what you indexed. Supported inputs include PDFs, local text files and directories, Discord exports, YouTube (transcript from URL, playlist, or ID), and GitHub repo URLs. For YouTube you can optionally add vision so on-screen code, diagrams, and UI text are merged with the transcript in the same chunks—see YouTube vision enrichment.

Features

Multi-format indexing — PDF (.pdf), local files or directories, plain text (.txt), Discord export (.txt), YouTube (video or playlist URL, or video ID), GitHub repo (URL), web documentation sites (URL)
Optional YouTube vision — Off by default. When enabled, runs a vision model (OpenAI, Anthropic, or OpenRouter native video) and merges structured on-screen context with the transcript so RAG chunks carry searchable code names, labels, and diagrams—not speech alone. OpenRouter mode avoids local ffmpeg/video download; openai/anthropic use scene keyframes and require pinrag[vision] + ffmpeg (see YouTube vision enrichment)
RAG with citations — Answers cite source context: PDF page, YouTube timestamp, document name for plain text and Discord, chunk index for GitHub repos, source URL for web documentation
Document tags — Tag documents at index time (e.g. AMIGA, PI_PICO) for filtered search
Metadata filtering — query_tool supports document_id, tag, document_type, PDF page_min/page_max, and response_style (thorough or concise)
MCP tools — add_document_tool, query_tool, list_documents_tool, remove_document_tool, set_document_tag_tool, list_collections_tool; optional collection on tools overrides PINRAG_COLLECTION_NAME for that call
MCP resources — pinrag://documents (indexed documents) and pinrag://server-config (env vars and config); click in Cursor’s MCP panel to view
MCP prompt — use_pinrag (parameter: request) for querying, indexing, listing, or removing documents
Configurable LLM — OpenRouter (default, free openrouter/free router), OpenAI, Anthropic, or Cerebras Inference (OpenAI-compatible API); set via PINRAG_LLM_PROVIDER and PINRAG_LLM_MODEL in MCP env or your shell
Local embeddings — Nomic (PINRAG_EMBEDDING_MODEL, default nomic-embed-text-v1.5); no API key; first run downloads model weights (~270 MB, cached)
Retrieval & chunking options — Structure-aware chunking (on by default); optional FlashRank re-ranking, multi-query expansion, and parent-child chunks for PDFs (see Configuration)
Observability — MCP tool notifications (ctx.log) plus optional LangSmith tracing
Built with — LangChain, Chroma; optional OpenRouter, OpenAI, Anthropic, FlashRank

Инструменты были проиндексированы: 04.09.2026

add_document_tool

Добавляет файлы, директории, видео YouTube или репозитории GitHub в индекс. Автоматически определяет формат по пути и индексирует: - GitHub (URL, например https://github.com/owner/repo или github.com/owner/repo/tree/branch) - YouTube (URL или ID видео, например https://youtu.be/xyz) - PDF (.pdf) - Экспорт Discord (.txt с заголовком DiscordChatExporter Guild:/Channel:) Передайте один или несколько путей. Один путь: paths=["/path/to/file.pdf"]. Использует конфигурацию сервера для расположения и коллекции векторного хранилища. Возвращает как успешно добавленные, так и ошибочные записи, чтобы один некорректный путь не приводил к сбою всего пакета. Args: paths: Список путей к файлам, директориям, URL YouTube или URL GitHub для индексации. tags: Необязательный список тегов, по одному на путь (в том же порядке, что и пути). branch: Для URL GitHub: переопределение ветки (по умолчанию main). Игнорируется для других форматов. include_patterns: Для URL GitHub: glob-шаблоны для включения файлов (например [".md", "src/**/.py"]). exclude_patterns: Для URL GitHub: glob-шаблоны для исключения. Игнорируется для других форматов. ctx: MCP контекст запроса (внедряется сервером; не используется). Returns: Словарь, содержащий записи, добавленные в индекс, записи с ошибками и итоговые значения.

Параметры

branchstring | null
Для URL GitHub: переопределяет ветку (по умолчанию: main). Игнорируется для других форматов.
exclude_patternsstring[] | null
Для GitHub-URL: шаблоны glob для исключения. Для остальных форматов они игнорируются.
include_patternsstring[] | null
Для GitHub URL: glob patterns для включаемых файлов (например, [".md", "src/**/.py"]). Для других форматов игнорируются.
pathsstring[]обязательный
Пути для индексации: файл, директория, YouTube URL или GitHub URL (например, https://github.com/owner/repo). Один путь: ["/path/to/file.pdf"] или ["https://github.com/owner/repo"].
tagsstring[] | null
Необязательный список тегов, по одному на каждый путь (в том же порядке, что и пути).

list_documents_tool

Выводит список всех проиндексированных документов в индексе PinRAG. Возвращает уникальные идентификаторы документов (имена PDF-файлов, ID видео, discord-alicia-1200-pcb, owner/repo/path для GitHub и т.д.), которые сейчас находятся в векторном хранилище, а также общее количество чанков. Использует конфигурацию сервера для расположения векторного хранилища и коллекции. Аргументы: tag: Опциональный тег для фильтрации: выводить только документы с этим тегом. ctx: Контекст запроса MCP (внедряется сервером; не используется). Возвращает: Словарь, содержащий documents, total_chunks, persist_directory, collection_name, document_details.

Параметры

tagstring
Необязательный тег для фильтрации: показывать только документы с этим тегом.

query_tool

_style: "Answer style" — "Стиль ответа". ctx: "MCP request context" — "Контекст запроса MCP", в скобках "injected by the server; unused" — "внедряется сервером; не используется". Всё выглядит хорошо.Запрашивает проиндексированные документы и возвращает ответ с цитатами. Просматривает все проиндексированные документы (PDF, Discord и т.д.) и использует RAG для формирования ответа на основе извлечённого контекста с указанием источников. Аргументы: query: Вопрос на естественном языке. document_id: Идентификатор документа для фильтрации (необязательно, из list_documents). page_min: Начало диапазона страниц (включительно). Только для PDF. page_max: Конец диапазона страниц (включительно). Только для PDF. tag: Тег для фильтрации (необязательно, из list_documents). document_type: Тип для фильтрации: "pdf", "youtube", "discord", "github" или "plaintext" (необязательно). response_style: Стиль ответа; если не указан или пустая строка, используется PINRAG_RESPONSE_STYLE. ctx: Контекст запроса MCP (внедряется сервером; не используется). Возвращает: Словарь, содержащий ответ и источники (document_id, page).

Параметры

document_idstring
Необязательный идентификатор документа для фильтрации извлечения (из list_documents).
document_typestring
Необязательный тип фильтра: 'pdf', 'youtube', 'discord', 'github' или 'plaintext'.
page_maxinteger | null
Необязательная конечная страница диапазона (включительно). Только для PDF.
page_mininteger | null
Необязательное начало диапазона страниц (включительно). Только для PDF.
querystringобязательный
Вопрос на естественном языке для запроса.
response_stylestring
Стиль ответа: 'подробный' (детальный) или 'краткий'. Оставьте пустым, чтобы использовать PINRAG_RESPONSE_STYLE.
tagstring
Необязательный тег, который фильтрует результаты (из list_documents).

remove_document_tool

Удаляет документ и все его фрагменты из индекса PinRAG. Удаляет все фрагменты и эмбеддинги для указанного документа. Используйте list_documents_tool чтобы получить document_ids (например: "mybook.pdf", "bwgLXEQdq20", "discord-alicia-1200-pcb", "owner/repo/path" для GitHub). Использует конфигурацию сервера для расположения векторного хранилища и коллекции. Аргументы: document_id: Идентификатор документа для удаления (из list_documents_tool). ctx: Контекст запроса MCP (внедряется сервером; не используется). Возвращает: Словарь, содержащий deleted_chunks, document_id, persist_directory, collection_name.

Параметры

document_idstringобязательный
Идентификатор документа для удаления (из list_documents_tool).

Github Сайт сервера

Конфиг для установки сервера

{
  "command": "uvx",
  "args": [
    "--refresh",
    "pinrag"
  ],
  "env": {
    "OPENROUTER_API_KEY": "your-openrouter-api-key-here",
    "PINRAG_PERSIST_DIR": "/absolute/path/to/your/pinrag-data"
  }
}

Нужен uvx

Сервер запускается через uvx
Без него ничего работать не будет.

Как установить uvx

Информация о сервере

Номер в рейтинге: #198
Звезд на Github: 2
Форков на Github: 0
Загрузок: 6 983
Язык реализации: Python
Лицензия: MIT
Официальный сервер: Нет
Дата обновления данных: 07.09 в 06:16
Идентификатор: xW7Tm4lE79IuwJFV
Категории: RAG-системы, Автоматизация приложений, Веб-скрапинг, Векторные базы данных, Знания и память, ИИ и машинное обучение, Инструменты для разработчиков, Исследования и данные, Обработка изображений и видео, Поиск

ndjordjevic/pinrag

PinRAG

Overview

Features

Похожие MCP-сервера

shinpr/mcp-local-rag

dmayboroda/minima

webpeel/webpeel

bighippoman/intercept-mcp

lyonzin/knowledge-rag

vectara/vectara-mcp