向量搜索服务器

MCP矢量搜索服务器

模型上下文协议（MCP）服务器，为ChatGPT提供语义搜索和文档检索功能，由OpenAI的矢量存储API提供支持。

特性

• search 工具：对OpenAI矢量存储执行语义搜索。
• fetch 工具：检索完整的文档内容和元数据。
• list_agents 工具收集所有OpenAI助理（代理）的JSON数据。
• list_vector_stores 工具：列出可用的矢量库及其状态。
• list_store_files 工具：检索存储中文件的JSON清单。
• get_app_data 工具：检查当前服务器配置和运行状况。
• upload_file / delete_file 工具：管理矢量存储内容。
• 远程就绪：针对通过SSE在Render上的部署进行了优化。

要渲染的部署

此存储库已“蓝图就绪”，可用于渲染。

1. 创建私有存储库：将此代码推送到新的私有GitHub存储库。
2. 通过蓝图部署:
   • 去 渲染仪表板.
   • 点击 新 > 蓝图.
   • 连接您的GitHub存储库。
   • 渲染将使用 render.yaml 文件来设置服务。
3. 配置环境变量: 在服务的Render仪表板中，导航到 环境 并添加：
   • OPENAI_API_KEY：您的OpenAI API密钥。
   • VECTOR_STORE_ID：您的OpenAI矢量存储的ID。

连接到ChatGPT

1. 打开ChatGPT并转到 设置 > 个性化 > 模型上下文协议.
2. 点击 添加新服务器 > 远程（SSE）.
3. 名字: Vector Store Search
4. 统一资源定位符: https://your-service-name.onrender.com/sse （替换为实际的渲染URL）。
5. 保存 开始使用你的矢量存储工具！

本地开发

# Install dependencies
pip install -r requirements.txt

# Set local environment variables
export OPENAI_API_KEY="your-key"
export VECTOR_STORE_ID="your-id"

# Run the server
python mcp_server.py