Lær å sette opp lokal RAG med MCP – og la agenten (Cursor) bygge sync og MCP-server for deg. Du får spesifikasjonen; Cursor skriver sync.py (OCR, embeddings, ChromaDB) og mcp_server.py (søk og list i dokumentene). Deretter bruker du RAG i chat.
Repo: github.com/bekk/RAG-WS
Tidsestimat: ca. 2 timer.
git clone https://github.com/bekk/RAG-WS.git
cd RAG-WS- Oppsett – docs/SETUP.md (brew, pip, venv, Tesseract, Cursor).
- Bygg med agenten – Åpne docs/AGENT_OPPGAVE.md og gi Cursor oppgaven. Agenten skriver
sync.pyogmcp_server.py. - Kjør – Legg PDF-er i
pdfs/, kjørmake sync, start MCP og konfigurer Cursor (SETUP.md). Søk i dokumentene via chat.
| Dokument | Innhold |
|---|---|
| docs/WORKSHOP_PLAN.md | Plan, tidsplan, agent-oppgaver |
| docs/AGENT_OPPGAVE.md | Spesifikasjon for sync og MCP – gi denne til Cursor |
| docs/SETUP.md | Brew, pip, venv, MCP-config |
| docs/MODELS.md | Embeddings-modell, Tesseract, ChromaDB |
source venv/bin/activate
make sync # Skann pdfs/, OCR, embeddings → ChromaDB
make run-mcp # Start MCP-server (la stå åpen mens du bruker Cursor)Legg PDF-er i pdfs/. Ta bort PDF-er du ikke lenger vil ha – neste make sync fjerner dem fra RAG.
| Mappe/fil | Beskrivelse |
|---|---|
pdfs/ |
Legg inn PDF-er her. |
data/ |
Generert av sync (tekstfiler, ChromaDB). |
docs/ |
WORKSHOP_PLAN, AGENT_OPPGAVE, SETUP, MODELS. |
sync.py |
Bygges av agent – skanning, OCR, embeddings, ChromaDB. |
mcp_server.py |
Bygges av agent – MCP med search_documents og list_documents. |
- macOS (workshop er testet på Mac)
- Cursor (eller Claude Desktop / Claude Code for MCP)
- Python 3.11+, Homebrew, Tesseract – se docs/SETUP.md