AI导哈

向量嵌入存储服务器模板

一个用于构建存储和检索向量嵌入信息的MCP服务器的起始模板，适用于创建个人知识库、语义搜索界面和AI驱动应用的向量存储集成层。

  • by ricleedo
  • JavaScript
  • 本地部署
  • 更新于
在 GitHub 查看 RichardFelix999/vector-search-mcp

使用说明

MCP嵌入式存储服务器模板

这是一个用于构建MCP服务器的启动模板，该服务器使用向量嵌入来存储和检索信息。此模板为创建您自己的基于嵌入的知识存储系统提供了坚实的基础，该系统可以与Claude或其他兼容MCP的人工智能助手无缝集成。

目的

这个模板能帮助你快速开始构建：

  • 一个为您的AI助手保留并回忆信息的个人知识库

  • 一个针对您的文档和内容的语义搜索界面

  • 为AI驱动应用打造的向量存储集成层

特点/特性

  • 使用自动生成的嵌入存储内容
  • 通过语义相似性搜索存储内容
  • 通过工具和资源访问内容
  • 使用内置提示进行常见操作

它是如何运作的

这个MCP服务器模板连接到向量嵌入API以：

  1. 将内容分成易于管理的部分
  2. 为每个部分生成嵌入表示
  3. 在数据库中同时存储内容和嵌入表示
  4. 利用向量相似性实现快速语义搜索

当你进行搜索时，系统会根据你的查询与存储的嵌入表示之间的语义相似性，找到存储内容中最相关的部分。

入门指南

# Clone the boilerplate
git clone https://github.com/yourusername/mcp-embedding-storage-boilerplate.git
cd mcp-embedding-storage-boilerplate

# Install dependencies
pnpm install

# Build the project
pnpm run build

# Start the server
pnpm start

配置开发环境

克隆并构建完成后，您需要：

  1. 更新 package.json 附上您的项目详情
  2. 修改API集成 src/ 使用您偏好的嵌入服务
  3. 定制工具和资源中的（内容/设置） src/index.ts

与Claude桌面版的使用

将以下配置添加到您的 claude_desktop_config.json 文件：

{
  "mcpServers": {
    "your-embedding-storage": {
      "command": "node /path/to/your/dist/index.js"
    }
  }
}

然后重启Claude桌面版以连接到服务器。

实施工具

存储内容

使用自动生成的嵌入存储内容。

参数：

  • content要存储的内容
  • path内容的唯一标识路径
  • type （可选）：内容类型（例如，'markdown'）
  • source （可选）：内容来源
  • parentPath （可选）：父内容的路径（如适用）

搜索内容

使用向量相似性搜索内容。

参数：

  • query搜索查询
  • maxMatches （可选）：要返回的最大匹配数

实施资源

搜索：{查询内容}

用于搜索内容的资源模板。

示例用法： search://machine learning basics

实施提示（或：执行提示）

存储新内容

一个提示，用于帮助使用嵌入存储新内容。

参数：

  • path内容的唯一标识符路径
  • content要存储的内容

搜索知识

搜索知识的提示。

参数：

  • query搜索查询

集成选项

您可以将此模板与各种嵌入式API和向量数据库进行集成：

  1. OpenAI 嵌入式API
  2. Hugging Face 嵌入模型
  3. Chroma、Pinecone或其他向量数据库
  4. Vercel AI SDK（软件开发工具包）

许可证

麻省理工学院（MIT）

相关 MCP