mcpField
M
MCP Server for Vertex AI Search

MCP Server for Vertex AI Search

ローカル
github.com検索3821 週間前に更新

MCP Server for Vertex AI Search について

MCP Server for Vertex AI Search は、Vertex AI を使ってドキュメントを検索する MCP サーバーです。Gemini と Vertex AI のグラウンディングを組み合わせ、1 つまたは複数の Vertex AI データストアに保存された非公開データに基づいて回答します。

主な機能

  1. 01Vertex AI データストアを対象としたドキュメント検索
  2. 02非公開データにグラウンディングされた Gemini の回答
  3. 03複数の Vertex AI データストアへの接続
  4. 04SSE と stdio のトランスポート
  5. 05YAML 設定ファイルとコマンドラインでの検索テスト

活用シーン

  1. 01AI アシスタントから社内の非公開ドキュメントを検索する
  2. 02データストアごとに個別の検索ツールを提供する

MCP 対応

本プロジェクトは MCP サーバーであり、Vertex AI データストアの検索機能をツールとして MCP クライアントに提供します。各データストアのツール名と説明は config.yml で設定します。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

インストール方法は未掲載です

このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。

リポジトリ

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

Vertex AI Search 用 MCP サーバー

これは、Vertex AI を使用してドキュメントを検索する MCP サーバーです。

アーキテクチャ

このソリューションでは、Vertex AI のグラウンディングを使用する Gemini によって、プライベートデータを使ってドキュメントを検索します。 グラウンディングにより、Vertex AI Datastore に保存されたデータに Gemini の応答を基づかせることで、検索結果の品質が向上します。 1 つ以上の Vertex AI データストアを MCP サーバーに統合できます。 グラウンディングの詳細については、Vertex AI Grounding Documentation を参照してください。

アーキテクチャ

使用方法

この MCP サーバーの使用方法は 2 通りあります。 プロジェクトに Dockerfile が用意されているため、Docker で実行する場合は、最初の方法がおすすめです。

1. リポジトリをクローンする
# Clone the repository
git clone [email protected]:ubie-oss/mcp-vertexai-search.git

# Create a virtual environment
uv venv
# Install the dependencies
uv sync --all-extras

# Check the command
uv run mcp-vertexai-search
Python パッケージをインストールする

このパッケージはまだ PyPI に公開されていませんが、リポジトリからインストールできます。 Python パッケージには設定テンプレートが含まれていないため、MCP サーバーを実行するには、config.yml.template を基にした設定ファイルが必要です。 設定ファイルの詳細については、付録 A:設定ファイル を参照してください。

# Install the package
pip install git+https://github.com/ubie-oss/mcp-vertexai-search.git

# Check the command
mcp-vertexai-search --help

開発

前提条件
ローカル環境をセットアップする
# Optional: Install uv
python -m pip install -r requirements.setup.txt

# Create a virtual environment
uv venv
uv sync --all-extras
MCP サーバーを実行する

このサーバーは、SSE(Server-Sent Events)と stdio(Standard Input Output)の 2 つのトランスポートに対応しています。 --transport フラグを設定して、トランスポートを指定できます。

YAML ファイルを使って MCP サーバーを設定できます。 config.yml.template は設定ファイルのテンプレートです。 必要に応じて設定ファイルを変更してください。

uv run mcp-vertexai-search serve \
    --config config.yml \
    --transport <stdio|sse>
Vertex AI Search をテストする

MCP サーバーを使わずに、mcp-vertexai-search search コマンドを使って Vertex AI Search をテストできます。

uv run mcp-vertexai-search search \
    --config config.yml \
    --query <your-query>

付録 A:設定ファイル

config.yml.template は設定ファイルのテンプレートです。

  • server
    • server.name:MCP サーバーの名前
  • model
    • model.model_name:Vertex AI モデルの名前
    • model.project_id:Vertex AI モデルのプロジェクト ID
    • model.location:モデルのロケーション(例:us-central1)
    • model.impersonate_service_account:偽装するサービスアカウント
    • model.generate_content_config:generate content API の設定
  • data_stores:Vertex AI データストアの一覧
    • data_stores.project_id:Vertex AI データストアのプロジェクト ID
    • data_stores.location:Vertex AI データストアのロケーション(例:us)
    • data_stores.datastore_id:Vertex AI データストアの ID
    • data_stores.tool_name:ツールの名前
    • data_stores.description:Vertex AI データストアの説明

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。