Web Search MCP Server with ChromaDB Vector Database

使用 ChromaDB 向量数据库的 Web 搜索 MCP 服务

此 MCP 服务使用 LangChain 和 ChromaDB 提供 Web 搜索和向量数据库功能。

功能

Web 搜索

• 搜索热门库的文档（LangChain、LlamaIndex、OpenAI）
• 提取网页内容

向量数据库（ChromaDB）

• 使用向量嵌入存储和检索文档
• 执行语义相似度搜索
• 根据元数据筛选文档
• 通过批量操作提高效率

设置

1. 安装依赖：

pip install -e .
# or
uv pip install -e .

2. 使用以下变量创建 .env 文件：

# Serper API for web search
USER_AGENT=Mozilla/5.0
SERPER_API_URL=https://google.serper.dev/search
SERPER_API_KEY=your_serper_api_key

# ChromaDB configuration
CHROMA_PERSIST_DIRECTORY=./chroma_db
EMBEDDING_MODEL_NAME=sentence-transformers/all-MiniLM-L6-v2

# Transport mode (stdio or sse)
TRANSPORT=stdio

3. 运行服务：

python main.py

可用工具

Web 搜索

• get_docs(query: str, library: str)：搜索指定库的文档

向量数据库（ChromaDB）

• add_document_to_vectordb(content: str, metadata: Optional[Dict[str, Any]])：向 ChromaDB 添加单个文档
• search_vectordb(query: str, top_k: int, filter_criteria: Optional[Dict[str, Any]])：搜索向量数据库
• delete_document_from_vectordb(document_id: str)：按 ID 删除文档
• batch_add_documents_to_vectordb(documents: List[Dict[str, Any]])：批量添加多个文档
• create_retriever(search_type: str, search_kwargs: Optional[Dict[str, Any]])：为向量数据库创建检索器

使用示例

# Add a document to the vector database
doc_id = await add_document_to_vectordb(
    content="This is a sample document about ChromaDB vector databases.",
    metadata={"source": "example", "category": "vector_db"}
)

# Search for similar documents
results = await search_vectordb(
    query="How do vector databases work?",
    top_k=2,
    filter_criteria={"category": "vector_db"}
)

# Delete a document
status = await delete_document_from_vectordb(document_id=doc_id)

# Add multiple documents at once
doc_ids = await batch_add_documents_to_vectordb([
    {
        "content": "Document 1 content",
        "metadata": {"source": "example", "category": "general"}
    },
    {
        "content": "Document 2 content",
        "metadata": {"source": "example", "category": "specific"}
    }
])

开发

• 格式化代码：black . 和 isort .
• 检查代码：ruff check .
• 类型检查：mypy .