mcp-lance-db: A LanceDB MCP server

mcp-lance-db：LanceDB MCP 服务

模型上下文协议（MCP）是一种开放协议，可让大模型应用与外部数据源和工具无缝集成。无论你是在构建 AI 驱动的 IDE、增强聊天界面，还是创建自定义 AI 工作流，MCP 都提供了一种标准化方式，将大模型与其所需的上下文连接起来。

本仓库示例展示了如何为嵌入式向量数据库 LanceDB 创建 MCP 服务。

概述

一个基础的模型上下文协议服务，用于在 LanceDB 向量数据库中存储和检索记忆。 它充当语义记忆层，可存储带有向量嵌入的文本，以供后续检索。

组件

工具

该服务实现了两个工具：

• add-memory：向向量数据库添加新记忆

  • 接受必填的字符串参数“content”
  • 存储文本及其向量嵌入，以供后续检索

• search-memories：检索语义相似的记忆

  • 接受必填的字符串参数“query”
  • 可选的“limit”参数，用于控制结果数量（默认值：5）
  • 返回按与查询的语义相似度排序的记忆
  • 更新服务状态，并通知客户端资源发生变化

配置

该服务使用以下配置：

• 数据库路径：“./lancedb”
• 集合名称：“memories”
• 嵌入提供方：“sentence-transformers”
• 模型：“BAAI/bge-small-en-v1.5”
• 设备：“cpu”
• 相似度阈值：0.7（距离范围的上限）

快速入门

Claude Desktop

MacOS：~/Library/Application\ Support/Claude/claude_desktop_config.json Windows：%APPDATA%/Claude/claude_desktop_config.json

{
  "lancedb": {
    "command": "uvx",
    "args": [
      "mcp-lance-db"
    ]
  }
}

开发

构建和发布

准备分发软件包：

1. 同步依赖项并更新锁定文件：

uv sync

2. 构建软件包分发文件：

uv build

这将在 dist/ 目录中创建源代码分发包和 wheel 分发包。

3. 发布到 PyPI：

uv publish

注意：你需要通过环境变量或命令行标志设置 PyPI 凭据：

• Token：--token 或 UV_PUBLISH_TOKEN
• 或用户名/密码：--username/UV_PUBLISH_USERNAME 和 --password/UV_PUBLISH_PASSWORD

调试

由于 MCP 服务通过 stdio 运行，调试可能颇具挑战。为获得最佳调试体验，我们强烈建议使用 MCP Inspector。

你可以通过 npm 使用以下命令启动 MCP Inspector：

npx @modelcontextprotocol/inspector uv --directory $(PWD) run mcp-lance-db

启动后，Inspector 会显示一个 URL，你可以在浏览器中访问该 URL 开始调试。