Mnē-MCP — Servidor MCP de RAG para opencode

Mnē-MCP (del griego Mnēmosynē, titánide de la memoria; el macron en ē, U+0113, marca la vocal larga en la transliteración) es un servidor MCP que implementa un pipeline RAG (Retrieval-Augmented Generation) completo para opencode: indexa un vault de Obsidian o carpetas de documentos y responde preguntas del asistente usando las notas propias como fuente, citando la ruta exacta de cada fragmento utilizado.

Stack: #RAG #MCP #mcp-server #opencode #Obsidian #Qdrant #Ollama #DeepSeek #bge-m3 #Python

Funcionalidad

1. Indexado incremental — escanea directorios (.md, .txt) desde disco con detección de cambios por mtime + md5, eliminación de puntos obsoletos (stale cleanup) y soporte de volúmenes grandes (~19 GB).
2. Embeddings locales — modelo bge-m3 vía Ollama local (/api/embed), 1024 dimensiones, multilingüe (español incluido), normalizados L2 para escalar correctamente con similitud coseno.
3. Recuperación semántica — Qdrant (Docker), colección única con filtros por payload (source, path, mtime, md5, heading_path) y umbral de relevancia configurable.
4. Generación fundamentada — respuestas con deepseek-v4-flash (Ollama Cloud) únicamente cuando la evidencia supera el umbral; en caso contrario devuelve rechazo explícito ("no relevant documents found"). Sin evidencia, no genera.

Arquitectura

MCP tools (stdio) ──┐
                    ├── RagService (core) ────▶ Qdrant (vectorial, Docker)
Admin page (:8310) ─┘       │
                            ├── OllamaEmbedder (bge-m3 local)
                            └── LLMProvider (deepseek-v4-flash, Ollama Cloud)

• Python 3.14 · SDK MCP oficial (mcp==1.12.4) · qdrant-client · httpx
• 7 herramientas: index · query · search · delete · list · stats · config
• Página de administración local (http://127.0.0.1:8310): dashboard, documentos indexados, indexado asíncrono con progreso y playground de búsqueda. Comparte el mismo core que las herramientas MCP (cero lógica duplicada).
• Suite de 70 tests offline (Qdrant :memory: + mocks) + smoke test end-to-end.

Uso para desarrollador

docker compose up -d qdrant   # Qdrant
ollama pull bge-m3            # embeddings locales
cp .env.example .env          # OLLAMA_API_KEY + VAULT_ROOT
make install                  # instala el paquete (venv)
make admin                    # panel: http://127.0.0.1:8310

Registro en opencode.json (sección mcp, tipo local, comando python3 mcp_rag/server.py o el entry point mcp-rag-opencode).

Solicitud	Comportamiento
index (source, path, force_rescan, max_files)	Escaneo incremental, omite archivos sin cambios, sube vectores por lotes
query (question, top_k ≤ 8, source, path_prefix, score_threshold)	Recuperación → reranker/LLM → respuesta con citas (path + heading_path)
search	Hits crudos con score, sin generación
stats	Salud de Qdrant/Ollama, estado del LLM, recuentos por fuente

Roadmap

Búsqueda híbrida densa+dispersa (BM25 + RRF) · cross-encoder reranking · caché semántica · harness de evaluación (recall@k, MRR, nDCG) — planificado en openspec/specs/mnemos-differentiators/.

Académico

Proyecto Integrado · Prof. Christian Pérez · Alumno: Gat · 2026