MCP Catalogs
首页

vectorize-mcp-server

by vectorize-io·106·综合分 47

Vectorize MCP 服务器通过模型上下文协议提供向量搜索、文本提取和深度研究功能。

ai-llmknowledge-graphother
25
Forks
4
活跃 Issue
本月
最近提交
2 天前
收录于

概述

Vectorize MCP 服务器是一个实现良好的 JavaScript 服务器,提供三个主要功能:通过向量搜索检索文档、从各种文件格式中提取文本和分块,以及深度研究能力。它与 Vectorize 平台集成,需要 API 凭据进行配置。该服务器提供了全面的文档,包含在 VS Code 和各种 AI 客户端中的安装说明。

试试问 AI

装完之后,这里有 5 个你可以让 AI 做的事:

:基于语义搜索查询检索相关文档
:将 PDF 和其他文档转换为结构化 Markdown 格式
:执行带网络搜索集成的深度研究
:extract 工具可以处理哪些文件格式?
:使用此 MCP 服务器是否需要 Vectorize 账户?

什么时候选它

如果您已经在使用 Vectorize,或者需要向量数据库功能与文档提取和研究工具,选择这个 MCP 服务器。

什么时候不要选它

如果您需要没有厂商锁定限制的开源向量数据库,或者不想依赖外部API服务,请避免使用。

此 server 暴露的工具

从 README 抽取出 3 个工具
  • retrieve

    Perform vector search and retrieve documents

  • extract

    Extract text from a document and chunk it into Markdown format

  • deep-research

    Generate a Private Deep Research from your pipeline

可对比工具

chromadb-mcppinecone-mcpweaviate-mcpsupabase-mcp

安装

安装

使用 npx 运行
export VECTORIZE_ORG_ID=YOUR_ORG_ID
export VECTORIZE_TOKEN=YOUR_TOKEN
export VECTORIZE_PIPELINE_ID=YOUR_PIPELINE_ID

npx -y @vectorize-io/vectorize-mcp-server@latest
Claude Desktop 配置

添加到 claude_desktop_config.json 文件:

{
  "mcpServers": {
    "vectorize": {
      "command": "npx",
      "args": ["-y", "@vectorize-io/vectorize-mcp-server@latest"],
      "env": {
        "VECTORIZE_ORG_ID": "your-org-id",
        "VECTORIZE_TOKEN": "your-token",
        "VECTORIZE_PIPELINE_ID": "your-pipeline-id"
      }
    }
  }
}

FAQ

extract 工具可以处理哪些文件格式?
extract 工具可以处理 Vectorize 支持的任何文件格式,通过 contentType 参数指定格式(例如 application/pdf 表示 PDF 文件)。
使用此 MCP 服务器是否需要 Vectorize 账户?
是的,您需要一个 Vectorize 账户,并将组织 ID、API 令牌和管道 ID 作为环境变量配置。

vectorize-mcp-server 对比

GitHub →

最后更新于 · 由 README + GitHub 公开数据自动生成。