mcpField
V
Vectorize MCP Server

Vectorize MCP Server

本地服务
github.com/vectorize-io记忆与知识1151 周前更新

关于 Vectorize MCP Server

Vectorize MCP Server 是 Vectorize 官方提供的 MCP 服务,用于向量检索、文档文本提取与分块,以及基于流水线的深度研究。适用于希望在 MCP 客户端中访问 Vectorize 流水线的用户。

主要功能

  1. 01基于向量的文档检索
  2. 02将多种文件提取为 Markdown 并分块
  3. 03基于流水线生成深度研究报告
  4. 04支持 npx 方式快速启动

适用场景

  1. 01在 Claude、Cursor 或 Cline 中检索企业文档
  2. 02将 PDF 等文件转换为 Markdown 后再处理
  3. 03生成公司财务状况等研究报告

MCP 相关

该项目是 MCP 服务,向 MCP 客户端暴露 retrieve、extract 和 deep-research 三个工具。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"vectorize": {
"command": "npx",
"args": [
"-y",
"@vectorize-io/vectorize-mcp-server"
]
}
}
}
启动命令npx -y @vectorize-io/vectorize-mcp-server

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npm@vectorize-io/vectorize-mcp-server

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

Vectorize MCP 服务

一个模型上下文协议(MCP)服务实现,可与 Vectorize 集成,提供高级向量检索和文本提取功能。

Vectorize MCP 服务

安装

使用 npx 运行
export VECTORIZE_ORG_ID=YOUR_ORG_ID
export VECTORIZE_TOKEN=YOUR_TOKEN
export VECTORIZE_PIPELINE_ID=YOUR_PIPELINE_ID

npx -y @vectorize-io/vectorize-mcp-server@latest
VS Code 安装

如需一键安装,请点击下方任一安装按钮:

在 VS Code 中使用 NPX 安装 在 VS Code Insiders 中使用 NPX 安装

手动安装

如需快速安装,请使用本节顶部的一键安装按钮。

如需手动安装,请将以下 JSON 代码块添加到 VS Code 的用户设置(JSON)文件中。按下 Ctrl + Shift + P 并输入 Preferences: Open User Settings (JSON) 即可打开该文件。

{
  "mcp": {
    "inputs": [
      {
        "type": "promptString",
        "id": "org_id",
        "description": "Vectorize Organization ID"
      },
      {
        "type": "promptString",
        "id": "token",
        "description": "Vectorize Token",
        "password": true
      },
      {
        "type": "promptString",
        "id": "pipeline_id",
        "description": "Vectorize Pipeline ID"
      }
    ],
    "servers": {
      "vectorize": {
        "command": "npx",
        "args": ["-y", "@vectorize-io/vectorize-mcp-server@latest"],
        "env": {
          "VECTORIZE_ORG_ID": "${input:org_id}",
          "VECTORIZE_TOKEN": "${input:token}",
          "VECTORIZE_PIPELINE_ID": "${input:pipeline_id}"
        }
      }
    }
  }
}

也可以将以下内容添加到工作区中的 .vscode/mcp.json 文件,以便与他人共享配置:

{
  "inputs": [
    {
      "type": "promptString",
      "id": "org_id",
      "description": "Vectorize Organization ID"
    },
    {
      "type": "promptString",
      "id": "token",
      "description": "Vectorize Token",
      "password": true
    },
    {
      "type": "promptString",
      "id": "pipeline_id",
      "description": "Vectorize Pipeline ID"
    }
  ],
  "servers": {
    "vectorize": {
      "command": "npx",
      "args": ["-y", "@vectorize-io/vectorize-mcp-server@latest"],
      "env": {
        "VECTORIZE_ORG_ID": "${input:org_id}",
        "VECTORIZE_TOKEN": "${input:token}",
        "VECTORIZE_PIPELINE_ID": "${input:pipeline_id}"
      }
    }
  }
}

Claude/Windsurf/Cursor/Cline 配置

{
  "mcpServers": {
    "vectorize": {
      "command": "npx",
      "args": ["-y", "@vectorize-io/vectorize-mcp-server@latest"],
      "env": {
        "VECTORIZE_ORG_ID": "your-org-id",
        "VECTORIZE_TOKEN": "your-token",
        "VECTORIZE_PIPELINE_ID": "your-pipeline-id"
      }
    }
  }
}

工具

检索文档

执行向量搜索并检索文档(请参阅官方 API):

{
  "name": "retrieve",
  "arguments": {
    "question": "Financial health of the company",
    "k": 5
  }
}
文本提取与分块(任意文件转为 Markdown)

从文档中提取文本并将其分块为 Markdown 格式(请参阅官方 API):

{
  "name": "extract",
  "arguments": {
    "base64document": "base64-encoded-document",
    "contentType": "application/pdf"
  }
}
深度研究

根据你的管道生成私人深度研究(请参阅官方 API):

{
  "name": "deep-research",
  "arguments": {
    "query": "Generate a financial status report about the company",
    "webSearch": true
  }
}

开发

npm install
npm run dev
发布

更改 package.json 版本,然后:

git commit -am "x.y.z"
git tag x.y.z
git push origin
git push origin --tags
贡献
  1. Fork 此仓库
  2. 创建你的功能分支
  3. 提交拉取请求

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。