MCP-Pinecone向量存储服务

基本能力

产品定位

MCP-Pinecone是一个自动化向量存储服务，专注于简化向量数据库的操作流程，适用于AI驱动的语义搜索和机器学习工作流。

核心功能

• 使用all-MiniLM-L6-v2模型生成384维文本嵌入。
• 通过MCP自动化Pinecone索引创建和向量插入。
• 使用Cursor的聊天界面进行自然语言命令操作。
• 包含PowerShell脚本用于手动API交互。
• 存储带有元数据的向量（例如{"text": "I love dogs"}）以支持语义搜索。

适用场景

• AI驱动的语义搜索。
• 机器学习工作流探索。
• 向量数据库的自动化操作。

工具列表

• generate_vector.py: 生成384维文本向量的Python脚本。
• mcp_pinecone_server.js: Node.js服务器，用于MCP-Pinecone集成。
• PowerShell脚本: 用于手动API交互。

使用教程

使用依赖

• Node.js (v16+)
• Python (3.8+)
• Pinecone账户及API密钥
• Cursor IDE（用于MCP集成）

安装教程

1. 克隆仓库：
   复制

   git clone https://github.com/your-username/mcp-pinecone-demo.git
   cd mcp-pinecone-demo
   

2. 安装Node.js依赖：
   复制

   npm install @pinecone-database/pinecone express
   

3. 安装Python依赖：
   复制

   pip install sentence-transformers
   

4. 配置Pinecone API密钥：
   • 从app.pinecone.io复制API密钥。
   • 更新mcp_pinecone_server.js中的PINECONE_API_KEY。
   • 更新.cursor/mcp.json中的PINECONE_API_KEY。

调试方式

1. 启动MCP服务器：
   复制

   node mcp_pinecone_server.js
   

2. 验证服务器是否运行：
   复制

   Invoke-WebRequest -Uri http://localhost:3000/test-pinecone -Method GET
   

3. 生成文本向量：
   复制

   python generate_vector.py
   

4. 创建Pinecone索引：
   • 在Cursor的聊天界面中输入命令。
   • 或使用PowerShell脚本。
5. 插入向量：
   • 在Cursor的聊天界面中输入命令。
   • 或使用PowerShell脚本。
6. 验证：登录app.pinecone.io，检查索引和向量。