mcpField
P
pinecone-mcp

pinecone-mcp

github.com/pinecone-ioデータ・データベース16262 回インストール6 週間前に更新
リポジトリ

pinecone-mcp について

pinecone-mcpは、Pinecone MCPサーバーがAIエージェントやIDEに公開するツールのリファレンススキルです。インデックス管理、レコード操作、セマンティック検索、再ランキングを扱い、統合インデックスのみを対象とします。

主な機能

  1. 01インデックスの一覧表示と確認
  2. 02統合インデックスの作成
  3. 03自動埋め込みによるレコード登録
  4. 04メタデータ条件付きレコード検索
  5. 05検索結果や文書の再ランキング
  6. 06複数インデックスの検索と結果統合

活用シーン

  1. 01インデックス設定と統計の確認
  2. 02テキストレコードの保存と検索
  3. 03複数インデックスの結果統合と再ランキング

MCP 対応

Pinecone MCPサーバーが公開する、インデックス管理、レコード登録、検索、再ランキングなどのツールを説明します。外部埋め込みモデルを使う標準インデックスではなく、統合インデックスに対応します。

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/pinecone-io/skills --skill pinecone-mcp

インストール後、Claude Code で/pinecone-mcpを入力して読み込まれたか確認します。

詳細

Pinecone MCP ツールリファレンス

Pinecone MCP サーバーは、AI エージェントや IDE に次のツールを提供します。セットアップとインストールの手順については、MCP サーバーガイドを参照してください。

主な制限事項： Pinecone MCP がサポートするのは、組み込みの Pinecone 埋め込みモデルで作成した統合インデックスのみです。外部埋め込みモデルを使用する標準インデックスでは動作しません。その場合は、Pinecone CLI を使用してください。

list-indexes

現在の Pinecone プロジェクト内にあるすべてのインデックスを一覧表示します。

describe-index

特定のインデックスの構成の詳細（クラウド、リージョン、次元、メトリック、埋め込みモデル、フィールドマップ、ステータス）を取得します。

パラメーター：

  • name（必須）— インデックス名

describe-index-stats

合計レコード数や名前空間ごとの内訳など、インデックスの統計情報を取得します。

パラメーター：

  • name（必須）— インデックス名

create-index-for-model

統合埋め込みモデルを使用する、新しいサーバーレスインデックスを作成します。Pinecone が埋め込みを自動的に処理するため、外部モデルは必要ありません。

パラメーター：

  • name（必須）— インデックス名
  • cloud（必須）— aws、gcp、または azure
  • region（必須）— クラウドリージョン（例：us-east-1）
  • embed.model（必須）— 埋め込みモデル：llama-text-embed-v2、multilingual-e5-large、または pinecone-sparse-english-v0
  • embed.fieldMap.text（必須）— 埋め込み対象のテキストを含むレコードフィールド（例：chunk_text）

upsert-records

統合インデックスにレコードを挿入または更新します。レコードは、インデックスに設定されたモデルを使用して自動的に埋め込まれます。

パラメーター：

  • name（必須）— インデックス名
  • namespace（必須）— アップサート先の名前空間
  • records（必須）— レコードの配列。各レコードには id または _id フィールドが必要で、インデックスの fieldMap で指定されたテキストフィールドを含める必要があります。フィールドを metadata の下にネストせず、レコードに直接配置してください。

レコードの例：

{ "_id": "rec1", "chunk_text": "The Eiffel Tower was built in 1889.", "category": "architecture" }

search-records

統合インデックスに対して意味検索を実行します。通常のテキストを渡すと、MCP がインデックスのモデルを使用してクエリを自動的に埋め込みます。

パラメーター：

  • name（必須）— インデックス名
  • namespace（必須）— 検索する名前空間
  • query.inputs.text（必須）— テキストクエリ
  • query.topK（必須）— 返す結果の数
  • query.filter（任意）— MongoDB 形式の演算子（$eq、$ne、$in、$gt、$gte、$lt、$lte）を使用したメタデータフィルター
  • rerank.model（任意）— 再ランキングモデル：bge-reranker-v2-m3、cohere-rerank-3.5、または pinecone-rerank-v0
  • rerank.rankFields（任意）— 再ランキングするフィールド（例：["chunk_text"]）
  • rerank.topN（任意）— 再ランキング後に返す結果の数

cascading-search

複数のインデックスを同時に検索し、結果を重複排除して再ランキングし、単一のランキングリストにまとめます。

パラメーター：

  • indexes（必須）— 検索対象の { name, namespace } オブジェクトの配列
  • query.inputs.text（必須）— テキストクエリ
  • query.topK（必須）— 再ランキング前にインデックスごとに取得する結果の数
  • rerank.model（必須）— 再ランキングモデル：bge-reranker-v2-m3、cohere-rerank-3.5、または pinecone-rerank-v0
  • rerank.rankFields（必須）— 再ランキングするフィールド
  • rerank.topN（任意）— 再ランキング後に返す最終的な結果の数

rerank-documents

ベクトル検索を先に行わずに、クエリに対して一連のドキュメントまたはレコードを再ランキングします。

パラメーター：

  • model（必須）— bge-reranker-v2-m3、cohere-rerank-3.5、または pinecone-rerank-v0
  • query（必須）— 再ランキングの基準となるクエリ
  • documents（必須）— 再ランキングする文字列またはレコードの配列
  • options.topN（必須）— 返す結果の数
  • options.rankFields（任意）— ドキュメントがレコードの場合に再ランキングするフィールド

コメント

Markdown 対応