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:
你:基于语义搜索查询检索相关文档
你:将 PDF 和其他文档转换为结构化 Markdown 格式
你:执行带网络搜索集成的深度研究
你:extract 工具可以处理哪些文件格式?
你: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retrievePerform vector search and retrieve documents
extractExtract text from a document and chunk it into Markdown format
deep-researchGenerate 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@latestClaude 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
最后更新于 · 由 README + GitHub 公开数据自动生成。