# CPU режим

Если у вас нет видеокарты NVIDIA или недостаточно VRAM, MCP-серверы могут использовать встроенные CPU-модели.

## Когда использовать CPU режим

* Нет видеокарты NVIDIA
* VRAM менее 4 ГБ
* Нужна максимальная простота настройки
* Работа полностью офлайн

## Доступные модели

MCP-серверы используют модели семейства **multilingual-e5** из библиотеки sentence-transformers.

| Модель                           | Размерность | Размер   | Скорость  | Качество |
| -------------------------------- | ----------- | -------- | --------- | -------- |
| `intfloat/multilingual-e5-small` | 384         | \~500 МБ | Быстрая   | ⭐⭐⭐      |
| `intfloat/multilingual-e5-base`  | 768         | \~1 ГБ   | Средняя   | ⭐⭐⭐⭐     |
| `intfloat/multilingual-e5-large` | 1024        | \~2 ГБ   | Медленная | ⭐⭐⭐⭐⭐    |

## Рекомендации по выбору

### Быстрая работа (по умолчанию)

```env
EMBEDDING_MODEL=intfloat/multilingual-e5-small
```

* Самая быстрая индексация
* Минимальное потребление RAM
* Приемлемое качество поиска

### Лучший баланс

```env
EMBEDDING_MODEL=intfloat/multilingual-e5-base
```

* Хороший баланс скорость/качество
* Рекомендуется для большинства случаев
* Умеренное потребление RAM

### Максимальное качество

```env
EMBEDDING_MODEL=intfloat/multilingual-e5-large
```

* Лучшее качество поиска на CPU
* Медленная индексация
* Требует больше RAM

## Настройка MCP-серверов

### Использование CPU модели

Чтобы использовать встроенную CPU модель, **НЕ указывайте** параметры `OPENAI_API_*`:

```powershell
docker run -d -p 8003:8003 `
  --name 1c_help_mcp `
  -e LICENSE_KEY=YOUR_LICENSE_KEY `
  -e RESET_DATABASE=false `
  -e EMBEDDING_MODEL=intfloat/multilingual-e5-base `
  -v "C:/Program Files/1cv8/8.3.23.1997/bin:/1c_docs" `
  -v "E:/bases/mcp_docs:/app/chroma_db" `
  -v "E:/bases/mcp_model_cache:/app/model_cache" `
  comol/1c_help_mcp:latest
```

{% hint style="warning" %}
Если указать `OPENAI_API_KEY`, сервер будет пытаться использовать внешнее API вместо встроенной модели.
{% endhint %}

### Кэширование модели

При первом запуске модель скачивается с Hugging Face. Чтобы не скачивать повторно:

```powershell
-v "E:/bases/mcp_model_cache:/app/model_cache"
```

## Первый запуск

### Что происходит при первом запуске

1. **Скачивание модели** (несколько минут)
   * Модель загружается с huggingface.co
   * Сохраняется в `/app/model_cache`
2. **Индексация данных** (от часов до суток)
   * Зависит от объёма данных
   * CPU модели работают значительно медленнее GPU

{% hint style="warning" %}
**Для пользователей из России:** Сайт huggingface.co может быть заблокирован. В этом случае:

* Используйте VPN для первоначального скачивания модели
* После скачивания модель кэшируется локально и VPN больше не нужен
* Обязательно монтируйте том `/app/model_cache` для сохранения скачанной модели
  {% endhint %}

### Мониторинг прогресса

```powershell
# Просмотр логов в реальном времени
docker logs -f 1c_help_mcp
```

Пример вывода:

```
Downloading model intfloat/multilingual-e5-base...
Model downloaded successfully
Starting indexing...
Indexed 1000/5000 documents...
Indexed 2000/5000 documents...
```

## Оптимизация производительности

### Увеличение RAM для Docker

1. Docker Desktop → Settings → Resources
2. Увеличьте Memory до 8+ ГБ
3. Apply & Restart

### Использование нескольких ядер

CPU модели автоматически используют многопоточность. Убедитесь, что Docker имеет доступ к нескольким ядрам:

1. Docker Desktop → Settings → Resources
2. CPUs: 4+ ядер

### Параметр RESET\_DATABASE

```env
RESET_DATABASE=false
```

* При `false` — используется существующий индекс
* При `true` — полная переиндексация при каждом запуске

<mark style="color:$danger;">**ВНИМАНИЕ! Полная переиндексация может занимать много времени!**</mark>

## Сравнение с GPU

| Аспект              | CPU (e5-base)       | GPU (Qwen-4B через LM Studio) |
| ------------------- | ------------------- | ----------------------------- |
| Качество поиска     | Хорошее             | Отличное                      |
| Скорость индексации | 3-10 часов/1000 док | 20-60 мин/1000 док            |
| Требования          | 8 ГБ RAM            | 4 ГБ VRAM                     |
| Настройка           | Простая             | Требует LM Studio             |

{% hint style="info" %}
Для GPU-ускорения рекомендуется использовать **LM Studio** — это самый простой и эффективный способ получить преимущества GPU без сложной настройки CUDA в Docker.
{% endhint %}

## Пример полной команды

### HelpSearchServer с CPU

```powershell
docker run -d -p 8003:8003 `
  --name 1c_help_mcp `
  -e LICENSE_KEY=YOUR_LICENSE_KEY `
  -e 1C_BIN_PATH=/1c_docs `
  -e RESET_CACHE=false `
  -e RESET_DATABASE=false `
  -e EMBEDDING_MODEL=intfloat/multilingual-e5-base `
  -v "C:/Program Files/1cv8/8.3.23.1997/bin:/1c_docs" `
  -v "E:/bases/mcp_docs:/app/chroma_db" `
  -v "E:/bases/mcp_model_cache:/app/model_cache" `
  comol/1c_help_mcp:latest
```

### SSLSearchServer с CPU

```powershell
docker run -d -p 8008:8008 `
  --name mcp_ssl_server `
  -e LICENSE_KEY=YOUR_LICENSE_KEY `
  -e SSL_VERSION=3.1.11 `
  -e RESET_DATABASE=false `
  -e EMBEDDING_MODEL=intfloat/multilingual-e5-base `
  -v "E:/bases/mcp_ssl:/app/chroma_db" `
  -v "E:/bases/mcp_model_cache:/app/model_cache" `
  comol/mcp_ssl_server:latest
```

## Устранение проблем

### Ошибка скачивания модели

```
Error downloading model from Hugging Face
```

Решение:

1. Проверьте интернет-соединение
2. Проверьте доступ к huggingface.co
3. **Для пользователей из России:** Hugging Face может быть заблокирован — используйте VPN
4. После скачивания модели обязательно монтируйте том `/app/model_cache`, чтобы не скачивать повторно

### Недостаточно памяти

```
RuntimeError: Unable to allocate memory
```

Решение:

1. Используйте модель меньшего размера (e5-small)
2. Увеличьте RAM для Docker
3. Закройте другие приложения

### Медленная индексация

Это нормально для CPU режима. Советы:

1. Используйте e5-small для быстрой индексации
2. Увеличьте количество ядер для Docker
3. Запускайте индексацию ночью


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.onerpa.ru/mcp-servery-1c/embedding-modeli/cpu-modeli.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.