w Dockerze na Ubuntu Server

Ten przewodnik opisuje krok po kroku, jak zainstalować serwer MCP Crawl4AI RAG w środowisku Docker na serwerze z systemem Ubuntu. Serwer MCP umożliwia zaawansowane przeszukiwanie sieci i funkcje RAG (Retrieval-Augmented Generation) dla agentów AI oraz asystentów kodowania AI.

Wymagania wstępne

Zanim rozpoczniesz, upewnij się, że masz:

• Serwer z systemem Ubuntu (zalecana wersja: Ubuntu 20.04 lub nowsza).

• Zainstalowany Docker i Docker Compose.

• Klucz API OpenAI do generowania osadzeń.

• Konto Supabase z utworzonym projektem i włączonym rozszerzeniem pgvector.

• Opcjonalnie: dostęp do Neo4j dla funkcji grafu wiedzy (zalecane dla wykrywania halucynacji AI).

Krok 1: Zainstaluj Docker na Ubuntu

1. Zaktualizuj pakiety systemowe:

   sudo apt update && sudo apt upgrade -y

2. Zainstaluj zależności wymagane do instalacji Dockera:

   sudo apt install -y apt-transport-https ca-certificates curl software-properties-common

3. Dodaj klucz GPG repozytorium Dockera:

   curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

4. Dodaj repozytorium Dockera:

   echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

5. Zainstaluj Docker:

   sudo apt update
   sudo apt install -y docker-ce docker-ce-cli containerd.io

6. Dodaj użytkownika do grupy Docker (aby uruchamiać polecenia bez sudo):

   sudo usermod -aG docker $USER
   newgrp docker

7. Zainstaluj Docker Compose:

   sudo curl -L "https://github.com/docker/compose/releases/download/v2.20.2/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
   sudo chmod +x /usr/local/bin/docker-compose

Krok 2: Sklonuj repozytorium serwera MCP

1. Sklonuj repozytorium MCP Crawl4AI RAG:

   git clone https://github.com/coleam00/mcp-crawl4ai-rag.git
   cd mcp-crawl4ai-rag

Krok 3: Skonfiguruj Supabase

1. Zaloguj się do panelu Supabase i utwórz nowy projekt, jeśli jeszcze tego nie zrobiłeś.

2. Włącz rozszerzenie pgvector:

   • Przejdź do Edytora SQL w panelu Supabase.

   • Wklej i uruchom zawartość pliku crawled_pages.sql z repozytorium, aby utworzyć tabele i funkcje.

3. Zapisz dane dostępowe projektu Supabase (URL projektu i klucz serwisowy).

Krok 4: Skonfiguruj plik .env

1. W katalogu głównym projektu utwórz plik .env:

   nano .env

2. Wklej następującą konfigurację, zastępując wartości odpowiednimi danymi:

   # MCP Server Configuration
   HOST=0.0.0.0
   PORT=8051
   TRANSPORT=sse
   
   # OpenAI API Configuration
   OPENAI_API_KEY=your_openai_api_key
   
   # LLM for summaries and contextual embeddings
   MODEL_CHOICE=gpt-4.1-nano
   
   # RAG Strategies
   USE_CONTEXTUAL_EMBEDDINGS=false
   USE_HYBRID_SEARCH=true
   USE_AGENTIC_RAG=false
   USE_RERANKING=true
   USE_KNOWLEDGE_GRAPH=false
   
   # Supabase Configuration
   SUPABASE_URL=your_supabase_project_url
   SUPABASE_SERVICE_KEY=your_supabase_service_key
   
   # Neo4j Configuration (optional, for knowledge graph)
   NEO4J_URI=bolt://localhost:7687
   NEO4J_USER=neo4j
   NEO4J_PASSWORD=your_neo4j_password

3. Zapisz plik i zamknij edytor (Ctrl+O, Enter, Ctrl+X w nano).

Krok 5: (Opcjonalne) Skonfiguruj Neo4j dla grafu wiedzy

Jeśli chcesz korzystać z funkcji grafu wiedzy (np. wykrywanie halucynacji AI), skonfiguruj Neo4j:

1. Sklonuj repozytorium lokalnego pakietu AI:

   git clone https://github.com/coleam00/local-ai-packaged.git
   cd local-ai-packaged

2. Uruchom Neo4j za pomocą Docker Compose:

   docker-compose up -d

3. Zapisz dane dostępowe Neo4j (URI, użytkownik, hasło) i dodaj je do pliku .env.

Uwaga: Funkcje grafu wiedzy nie są w pełni kompatybilne z Dockerem, więc rozważ uruchomienie serwera MCP bez Dockera (za pomocą uv), jeśli potrzebujesz tej funkcjonalności.

Krok 6: Skompiluj i uruchom obraz Dockera

1. Wróć do katalogu mcp-crawl4ai-rag:

   cd ~/mcp-crawl4ai-rag

2. Skompiluj obraz Dockera:

   docker build -t mcp/crawl4ai-rag --build-arg PORT=8051 .

3. Uruchom kontener:

   docker run --env-file .env -p 8051:8051 mcp/crawl4ai-rag

Krok 7: Sprawdź działanie serwera

1. Upewnij się, że serwer działa, wysyłając żądanie do endpointu SSE:

   curl http://localhost:8051/sse

2. Powinieneś zobaczyć odpowiedź potwierdzającą działanie serwera.

Krok 8: Integracja z klientami MCP

Aby połączyć się z serwerem za pomocą klienta MCP (np. Claude Desktop, Windsurf):

1. Skonfiguruj klienta z transportem SSE:

   {
     "mcpServers": {
       "crawl4ai-rag": {
         "transport": "sse",
         "url": "http://localhost:8051/sse"
       }
     }
   }

2. Jeśli używasz innego kontenera Docker, zastąp localhost adresem host.docker.internal.

Uwagi końcowe

• Serwer jest teraz gotowy do przeszukiwania stron internetowych, indeksowania treści i wykonywania operacji RAG.

• Aby włączyć zaawansowane strategie RAG (np. USE_AGENTIC_RAG lub USE_KNOWLEDGE_GRAPH), zmodyfikuj plik .env i uruchom ponownie kontener.

• Regularnie aktualizuj repozytorium, aby korzystać z nowych funkcji i ulepszeń.