ai·rete·rag
Author rules from policy docs, then decide: a Rete engine gives the verdict, an LLM explains why.
我該用這個嗎
品質與安全性
A
根據工具定義與協定合規性的自動化分析。
上下文成本
~2,599Token（工具定義）
~1.1 KB典型回應大小
顯著的注意力影響（128k 上下文的 2.03%）
這是每次將伺服器的工具載入模型上下文時所消耗的約略 token 數量。數量越高，可用於其他工作的注意力就越少。
安裝
一鍵安裝
將以下內容加入你的 `claude_desktop_config.json` 檔案：
{
"mcpServers": {
"ai-rete-rag-mcp": {
"command": "uvx",
"args": [
"ai-rete-rag-mcp"
]
}
}
}可執行的套件
pypiai-rete-rag-mcp
0.8.0stdio遠端端點
https://ai-rete-rag.com/mcpstreamable-httphttps://ai-rete-rag.com/mcp/authstreamable-http它能做什麼
工具清單
尚未記錄任何可發布的工具列舉。
社群
證據
近期觀測
觀測失敗未記錄版本—
已驗證未記錄版本8 個工具
已驗證未記錄版本8 個工具