Add initial implementation of MCP server and related tools for BMI calculation

rag.py

@@ -0,0 +1,94 @@
+"""稀疏检索 / 简单 RAG"""
+from sklearn.feature_extraction.text import TfidfVectorizer
+from sklearn.metrics.pairwise import cosine_similarity
+
+
+# 1. 简单切块
+def chunk_text(text, chunk_size=60, overlap=15):
+    chunks = []
+
+    start = 0
+
+    while start < len(text):
+        end = start + chunk_size
+
+        chunk = text[start:end]
+        chunks.append(chunk)
+
+        if end >= len(text):
+            break
+
+        start = end - overlap
+
+    return chunks
+
+
+# 2. 知识库原文
+document = """
+职工请事假，应当提前一个工作日通过OA系统提交申请，
+经部门负责人审批同意后方可休假。
+
+职工因疾病无法正常工作的，可以申请病假。
+病假应当提供医院出具的相关证明材料。
+
+员工因工作需要出差的，应提前提交出差申请。
+住宿费用按照公司差旅管理制度规定的标准报销。
+
+职工连续工作满一年后可以享受带薪年休假。
+年休假天数根据职工累计工作年限确定。
+""".replace("\n", "")
+
+
+# 3. 文档切块
+chunks = chunk_text(
+    document,
+    chunk_size=60,
+    overlap=15
+)
+
+print("=== chunks ===")
+
+for i, chunk in enumerate(chunks):
+    print(i, chunk)
+
+
+# 4. 给所有 chunk 建 TF-IDF 索引
+vectorizer = TfidfVectorizer(
+    analyzer="char",
+    ngram_range=(1, 3)
+)
+
+doc_vectors = vectorizer.fit_transform(chunks)
+
+
+# 5. 用户问题
+query = "事假怎么申请？"
+
+
+# 6. Query 转成同一个 TF-IDF 空间
+query_vector = vectorizer.transform([query])
+
+
+# 7. 计算 query 与所有 chunk 的相似度
+scores = cosine_similarity(
+    query_vector,
+    doc_vectors
+)[0]
+
+
+# 8. Top-K
+top_k = 3
+
+top_indices = scores.argsort()[::-1][:top_k]
+
+
+print("\n=== query ===")
+print(query)
+
+print("\n=== retrieval result ===")
+
+for index in top_indices:
+    print(
+        f"score={scores[index]:.4f}",
+        chunks[index]
+    )