多模态本地内存MCP服务器

A multimodal local memory MCP for AI agents powered by Gemini Embedding 2.

将您的本地文档、代码、PDF、图像、音频和视频直接连接到 克劳德, 光标，或 VS Code 使用谷歌的 gemini-embedding-2-preview 模型与严格局部 色度数据库 矢量数据库。

与纯文本本地RAG工具不同，此服务器在文本、视觉PDF页面、图像、音频和视频中保留一个本地存储层，然后将确切的文件路径和页面或块上下文返回给您的代理。

为什么这不一样

• 一个跨模态的嵌入空间：从同一存储层搜索代码、PDF、图像、音频和视频。
• 本地优先坚持：你的指数保持不变 ~/.gemini_mcp_db，不在宿主矢量数据库中。
• 代理友好检索：搜索结果包括确切的路径、类型、模式和页面感知上下文。
• 默认情况下为零配置：服务器使用内置的护栏和合理的索引默认值，因此大多数用户不需要配置文件。

你可以问什么

• Find the PDF page that explains our design tokens.
• Search my image library for screenshots of dashboards with dark sidebars.
• Find the audio or video clip where we talked about pricing changes.
• Search only my work docs folder for onboarding notes about incident response.
• Give me the surrounding context for result 2 so I can cite the original file correctly.

✨ 主要特点

🚀 安装和设置

我们支持两种方式来运行此服务器： 零安装 （推荐）或 本地开发人员克隆. 确保你有 uv 安装在您的计算机上(pip install uv).

方法1：零安装（推荐）

你可以让你的AI助手直接从GitHub运行服务器，而无需在本地克隆存储库。 uvx 表现得像 npx 对于Python，在安全的临时环境中自动下载和缓存服务器。

PyPI被配置为标记版本的长期稳定分销渠道。在第一次PyPI发布完成之前，使用下面的固定Git发布标签install。

对于一个 稳定安装，固定到释放标签上：

uvx --from git+https://github.com/AlaeddineMessadi/gemini-embedding-2-mcp-server.git@<release-tag> gemini-embedding-2-mcp

例子：

uvx --from git+https://github.com/AlaeddineMessadi/gemini-embedding-2-mcp-server.git@v1.2.1 gemini-embedding-2-mcp

对于一个 边缘安装，省略标记并跟踪最新 main 分支州。

一旦PyPI发布生效，stable install命令变为：

uvx gemini-embedding-2-mcp-server

🔑 获取Gemini API密钥

为了增强嵌入模型，你需要一个来自谷歌的免费API密钥。

1. 首选 Google AI 工作室.
2. 点击 创建API密钥.
3. 复制密钥并在下面的客户端配置中使用它，如下所示 GEMINI_API_KEY.

🔌 客户端连接指南

🤖 克劳德代码（CLI）

您可以将此服务器连接到 克劳德代码 CLI本机。 在终端中运行以下命令：

claude mcp add gemini-embedding-2-mcp \
  --env GEMINI_API_KEY="your-api-key-here" \
  -- uvx --from git+https://github.com/AlaeddineMessadi/gemini-embedding-2-mcp-server.git@v1.2.1 gemini-embedding-2-mcp

🦋 克劳德桌面版

打开Claude Desktop配置文件（通常 ~/Library/Application Support/Claude/claude_desktop_config.json 在macOS上）并添加：

{
  "mcpServers": {
    "gemini-embedding-2-mcp": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/AlaeddineMessadi/gemini-embedding-2-mcp-server.git@v1.2.1",
        "gemini-embedding-2-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "your-api-key-here"
      }
    }
  }
}

💻 光标IDE

1. 首选 设置 > 特性 > 主控程序
2. 点击 +添加新的MCP服务器
3. 选择 命令 作为类型。
4. 姓名： gemini-embedding
5. 命令： GEMINI_API_KEY="your-api-key" uvx --from git+https://github.com/AlaeddineMessadi/gemini-embedding-2-mcp-server.git@v1.2.1 gemini-embedding-2-mcp

🏄‍♂️ 风浪（喀斯喀特）

打开你的 ~/.codeium/windsurf/mcp_config.json 文件并添加：

{
  "mcpServers": {
    "gemini-embedding-2-mcp": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/AlaeddineMessadi/gemini-embedding-2-mcp-server.git@v1.2.1",
        "gemini-embedding-2-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "your-api-key-here"
      }
    }
  }
}

⚡ 泽德编辑器

打开你的 ~/.config/zed/settings.json 并附加MCP服务器块：

{
  "experimental.mcp": {
    "gemini-embedding-2-mcp": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/AlaeddineMessadi/gemini-embedding-2-mcp-server.git@v1.2.1",
        "gemini-embedding-2-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "your-api-key-here"
      }
    }
  }
}

💻 VS代码（带Cline/RooCode）

打开 ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json 并附加：

{
  "mcpServers": {
    "gemini-embedding": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/AlaeddineMessadi/gemini-embedding-2-mcp-server.git@v1.2.1",
        "gemini-embedding-2-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "your-api-key-here"
      }
    }
  }
}

方法2：本地开发者克隆

如果你想修改源代码：

# 1. Clone the repository
git clone https://github.com/AlaeddineMessadi/gemini-embedding-2-mcp-server.git
cd gemini-embedding-2-mcp-server

# 2. Install dependencies
uv sync

（如果使用此方法，可以通过运行以下命令直接将其添加到本地的Claude Code CLI中：）

claude mcp add gemini-embedding-local --env GEMINI_API_KEY="your-api-key" -- uv --directory "$(pwd)" run gemini-embedding-2-mcp

方法三：Docker

如果您需要一个容器化的MCP服务器进行注册表验证或部署，请构建并运行附带的映像：

docker build -t gemini-embedding-2-mcp-server .
docker run --rm -i \
  -e GEMINI_API_KEY="your-api-key-here" \
  -v "$HOME/.gemini_mcp_db:/root/.gemini_mcp_db" \
  gemini-embedding-2-mcp-server

容器与任何其他本地MCP服务器一样通过标准I/O进行通信，并将ChromaDB数据保存在装载的卷中。

🛠️ 暴露的MCP能力

一旦连接，您的AI助手将立即获得以下工具：

⚙️ 工具

• index_directory(path: str, ignore: list = None)：扫描并正式将一个全新的本地文件夹嵌入数据库。安全支持通配符 ignore 模式。
• preview_directory(path: str, ignore: list = None)：模拟扫描，看看哪些内容会被索引，按模态分组，跳过原因。
• search_my_documents(query: str, limit: int, scope: str = None, types: list[str] = None, path_prefix: str = None, extensions: list[str] = None, modalities: list[str] = None)：使用紧凑的检索过滤器运行语义搜索。
• get_result_context(source: str, locator: str = None, window: int = 1)：获取以前索引的结果的附近块或页面上下文。
• list_indexed_directories()：查看AI已经知道的目录根。
• sync_indexed_directories()：自动强制数据库查找新的、更新的或最近删除的（重影）文件并清理向量。
• remove_directory_from_index(path: str)：清除矢量的特定轨迹。

🔎 精密过滤器

默认情况下，主搜索工具保持简单，但在需要精确性时支持一些高价值过滤器：

• scope：将匹配限制在广泛的目录范围内，例如 /Users/me/work
• path_prefix：将匹配限制为更精确的路径前缀
• types：根据存储的项目类型进行限制，例如 text 或 pdf_visual_page
• extensions：按文件扩展名限制，例如 .pdf 或 .md
• modalities：受模式限制，如 text, pdf, image, audio，或 video

📊 资源

• gemini://database-stats：实时可观察性！将ChromaDB中矢量段的精确比例直接暴露给助手的上下文。

📚 技术文档

• 建筑深潜
• 终极多模态和PDF RAG
• 代理安全护栏
• 用例
• 结果模型
• 释放

📜 许可证

麻省理工学院©Alaeddine Messadi