Vectara MCP Server

Vectara MCP Server

🔌 Claude Desktopや、その他すべてのMCPクライアントと互換性があります！

Vectara MCPは、あらゆるMCPクライアントと互換性があります。

Model Context Protocol（MCP）は、AIシステムがさまざまなデータソースやツールとシームレスに連携できるようにするオープン標準であり、安全な双方向接続を実現します。

Vectara-MCPは、VectaraのTrusted RAGプラットフォームを活用し、MCPプロトコルを通じて、あらゆるエージェント型アプリケーションに、ハルシネーションを抑えた高速で信頼性の高いRAGへのアクセスを提供します。

インストール

PyPIからパッケージを直接インストールできます。

pip install vectara-mcp

クイックスタート

デフォルトで安全（認証付きHTTP/SSE）

# Start server with secure HTTP transport (DEFAULT)
python -m vectara_mcp
# Server running at http://127.0.0.1:8000 with authentication enabled

ローカル開発モード（STDIO）

# For Claude Desktop or local development (less secure)
python -m vectara_mcp --stdio
# ⚠️ Warning: STDIO transport is less secure. Use only for local development.

設定オプション

# Custom host and port
python -m vectara_mcp --host 0.0.0.0 --port 8080

# SSE transport mode
python -m vectara_mcp --transport sse --path /sse

# Disable authentication (DANGEROUS - dev only)
python -m vectara_mcp --no-auth

トランスポートモード

HTTPトランスポート（デフォルト — 推奨）

• セキュリティ： ベアラートークンによる認証を標準搭載
• 暗号化： HTTPSに対応
• レート制限： デフォルトで毎分100リクエスト
• CORS保護： オリジン検証を設定可能
• 用途： 本番環境へのデプロイ、クラウド環境

SSEトランスポート

• ストリーミング： リアルタイム更新にServer-Sent Eventsを使用
• 認証： ベアラートークンに対応
• 互換性： レガシーなMCPクライアントでも動作
• 用途： リアルタイムストリーミングアプリケーション

STDIOトランスポート

• ⚠️ セキュリティ警告： トランスポート層のセキュリティはありません
• パフォーマンス： ローカル通信のレイテンシーが低い
• 用途： ローカル開発、Claude Desktop
• 要件： --stdioフラグを明示的に指定して有効にする必要があります

環境変数

# Required
export VECTARA_API_KEY="your-api-key"

# Optional
export VECTARA_AUTHORIZED_TOKENS="token1,token2"  # Additional auth tokens
export VECTARA_ALLOWED_ORIGINS="http://localhost:*,https://app.example.com"
export VECTARA_TRANSPORT="http"  # Default transport mode
export VECTARA_AUTH_REQUIRED="true"  # Enforce authentication

認証

HTTP/SSEトランスポート

HTTPまたはSSEトランスポートを使用する場合、デフォルトで認証が必要です。

# Using curl with bearer token
curl -H "Authorization: Bearer $VECTARA_API_KEY" \
     -H "Content-Type: application/json" \
     -X POST http://localhost:8000/call/ask_vectara \
     -d '{"query": "What is Vectara?", "corpus_keys": ["my-corpus"]}'

# Using X-API-Key header (alternative)
curl -H "X-API-Key: $VECTARA_API_KEY" \
     http://localhost:8000/sse

認証の無効化（開発専用）

# ⚠️ NEVER use in production
python -m vectara_mcp --no-auth

利用可能なツール

APIキー管理

• setup_vectara_api_key： セッション用のVectara APIキーを設定し、検証します（一度だけ設定）。

  引数：

  • api_key：str、Vectara APIキー（必須）。

  戻り値：

  • マスクされたAPIキーを含む成功確認、または検証エラー。

• clear_vectara_api_key： サーバーのメモリから保存済みのAPIキーを消去します。

  戻り値：

  • 確認メッセージ。

クエリツール

• ask_vectara: Vectara を使用して RAG クエリを実行し、生成された回答とともに検索結果を返します。

  引数:

  • query: str、実行するユーザークエリ - 必須。
  • corpus_keys: list[str]、検索に使用する Vectara コーパスキーのリスト - 必須。
  • n_sentences_before: int、コンテキストに含める回答前の文の数 - 任意、デフォルトは 2。
  • n_sentences_after: int、コンテキストに含める回答後の文の数 - 任意、デフォルトは 2。
  • lexical_interpolation: float、使用する字句補間の量 - 任意、デフォルトは 0.005。
  • max_used_search_results: int、使用する検索結果の最大数 - 任意、デフォルトは 10。
  • generation_preset_name: str、使用する生成プリセットの名前 - 任意、デフォルトは "vectara-summary-table-md-query-ext-jan-2025-gpt-4o"。
  • response_language: str、レスポンスの言語 - 任意、デフォルトは "eng"。

  戻り値:

  • Vectara からのレスポンス。生成された回答と検索結果が含まれます。

• search_vectara: Vectara を使用して、生成を行わずにセマンティック検索クエリを実行します。

  引数:

  • query: str、実行するユーザークエリ - 必須。
  • corpus_keys: list[str]、検索に使用する Vectara コーパスキーのリスト - 必須。
  • n_sentences_before: int、コンテキストに含める回答前の文の数 - 任意、デフォルトは 2。
  • n_sentences_after: int、コンテキストに含める回答後の文の数 - 任意、デフォルトは 2。
  • lexical_interpolation: float、使用する字句補間の量 - 任意、デフォルトは 0.005。

  戻り値:

  • Vectara からのレスポンス。一致する検索結果が含まれます。

分析ツール

• correct_hallucinations: Vectara の VHC (Vectara Hallucination Correction) API を使用して、生成されたテキスト内のハルシネーションを特定して修正します。

  引数:

  • generated_text: str、ハルシネーションを分析する生成テキスト - 必須。
  • documents: list[str]、比較対象となるソースドキュメントのリスト - 必須。
  • query: str、生成テキストにつながった元のユーザークエリ - 任意。

  戻り値:

  • 修正されたテキストと詳細な修正情報を含む JSON 形式の文字列。

• eval_factual_consistency: Vectara の専用の事実整合性評価 API を使用して、ソースドキュメントに対する生成テキストの事実整合性を評価します。

  引数:

  • generated_text: str、事実整合性を評価する生成テキスト - 必須。
  • documents: list[str]、比較対象となるソースドキュメントのリスト - 必須。
  • query: str、生成テキストにつながった元のユーザークエリ - 任意。

  戻り値:

  • 事実整合性評価の結果とスコアを含む JSON 形式の文字列。

注意: API キーは、事前に setup_vectara_api_key ツールまたは VECTARA_API_KEY 環境変数を使用して設定する必要があります。

Claude Desktop での設定

Claude Desktop で使用するには、STDIO トランスポートを使用するように設定を更新します:

{
  "mcpServers": {
    "Vectara": {
      "command": "python",
      "args": ["-m", "vectara_mcp", "--stdio"],
      "env": {
        "VECTARA_API_KEY": "your-api-key"
      }
    }
  }
}

または uv を使用する場合:

{
  "mcpServers": {
    "Vectara": {
      "command": "uv",
      "args": ["tool", "run", "vectara-mcp", "--stdio"]
    }
  }
}

注意: Claude Desktop には STDIO トランスポートが必要です。HTTP よりも安全性は低くなりますが、ローカルのデスクトップでの使用には問題ありません。

Claude Desktop アプリでの使用

インストールが完了し、Claude デスクトップアプリが設定されたら、Vectara-mcp サーバーを表示するために Claude デスクトップアプリを完全に終了して再度開く必要があります。アプリの左下にハンマーアイコンが表示され、利用可能な MCP ツールを示します。ハンマーアイコンをクリックすると、Vectara-search ツールと Vectara-extract ツールの詳細を確認できます。

これで Claude は、6 つの Vectara ツールすべてを含む Vectara-mcp サーバーに完全にアクセスできるようになります。

セキュアなセットアップワークフロー

初回セットアップ (セッションごとに 1 回):

1. API キーを安全に設定します:

setup-vectara-api-key
API key: [your-vectara-api-key]

セットアップ後は、API キーを公開せずに任意のツールを使用できます:

Vectara ツールの例

1. 生成を伴う RAG クエリ:

ask-vectara
Query: Who is Amr Awadallah?
Corpus keys: ["your-corpus-key"]

2. セマンティック検索のみ:

search-vectara
Query: events in NYC?
Corpus keys: ["your-corpus-key"]

3. ハルシネーションの検出と修正:

correct-hallucinations
Generated text: [text to check]
Documents: ["source1", "source2"]

4. 事実整合性の評価:

eval-factual-consistency
Generated text: [text to evaluate]
Documents: ["reference1", "reference2"]

セキュリティのベストプラクティス

1. 本番環境では常に HTTP トランスポートを使用する - STDIO トランスポートをネットワークに公開しないでください
2. 認証を有効にしておく - ローカルテストの場合にのみ --no-auth で無効化してください
3. 本番環境では HTTPS を使用する - TLS 終端を備えたリバースプロキシの背後にデプロイしてください
4. CORS を適切に設定する - VECTARA_ALLOWED_ORIGINS を設定してアクセスを制限してください
5. API キーを定期的にローテーションする - VECTARA_API_KEY と VECTARA_AUTHORIZED_TOKENS を更新してください
6. レート制限を監視する - デフォルトは 100 リクエスト/分です。必要に応じて調整してください

詳細なセキュリティガイドラインについては、SECURITY.md を参照してください。

サポート

問題、質問、コントリビューションについては、以下をご覧ください: https://github.com/vectara/vectara-mcp