标签：问答系统

一个生产就绪的模型上下文协议（MCP）服务器，用于智能知识检索和问答。

一个基于Pieces长期记忆的MCP协议实现，用于回答过去7天内的相关问题。

基于RAG架构的命令行问答机器人，专精Model Context Protocol知识解答，支持本地知识库扩展与Gemini Pro模型调用。

一个基于Model Context Protocol (MCP)的人机协作问答服务，提供Web界面和内存数据库管理问题与答案。

一个以配置为中心、知识驱动的问答与操作MCP服务器客户端。

一个基于GroundX API的文档问答服务器，支持文档解析和上下文感知的问答功能。

基于RAG（检索增强生成）和MCP（模型上下文协议）的问答系统，通过整合外部数据和服务提升AI生成内容的准确性和相关性。

一个包含服务器、客户端和问题集的问答系统，支持通过笔记本编程方式运行客户端。

该扩展允许编辑用户定义资源如何回答公众的潜在问题，适用于数据管理平台。

Datadog产品管理峰会2026的内部活动网站，包含议程、演讲者信息、问答系统和互动游戏商店。

MCP服务器是一个问答服务，能够通过运行服务器来回答诸如“贝尔维尤的天气如何？”等问题。

基于文档的RAG（检索增强生成）问答系统，用于处理PDF文档并进行自动问答。

一个模块化、可扩展的Python管道，用于处理客户支持查询，包括输入验证、实体提取、知识库检索、决策制定和响应生成，提供CLI和FastAPI服务器两种运行方式。

一个通过MCP stdio协议提供人工介入的Web UI工具，用于响应LLM问题。

一个用于GPT-5交互和问答工作流程的模型上下文协议服务器，提供提问、继续对话、分析响应和生成后续问题等功能。

一个使用RAG、Pinecone和Google Gemini技术回答关于个人数据保护法问题的服务器。

一个基于Chrome DevTools Protocol (CDP)的客户端/服务器工具，用于抓取网页实时HTML并回答相关问题。

基于Zotero本地文献库的RAG问答系统，支持Claude Desktop集成，提供带引用来源的文献搜索和问答功能。

一个基于Qdrant和Bright Data的问答检索增强生成工具，适用于F1赛车等领域的知识问答。

一个全栈RAG应用，用于上传内部知识文档，生成嵌入向量，通过向量搜索检索相关内容，并通过Gemini驱动的聊天体验回答问题。

MCP-Toolkit是一个基于Python的检索增强生成（RAG）系统，用于回答关于Python代码库的自然语言问题，支持代码分块、语义索引、问答和基准评估。

一个基于模型上下文协议（MCP）架构的问答代理工具，提供智能搜索和网页抓取功能，适用于文档问答场景。

基于Chroma Cloud和LangChain的RAG管道，通过MCP协议提供文档检索与生成功能，适用于知识库问答和内容增强场景。

Gemini Search MCP是一个基于Model Context Protocol的服务，提供文档问答、内容检索和分块处理功能，适用于需要处理和分析本地文档的场景。