Servidor del Protocolo de Contexto del Modelo Pinecone para Claude Desktop.

¿Qué es MCP-Pinecone?

MCP-Pinecone es un servidor de Protocolo de Contexto de Modelo diseñado para facilitar las operaciones de lectura y escritura desde Pinecone, un servicio de base de datos de vectores. Este servidor proporciona una capacidad rudimentaria de Generación Aumentada por Recuperación (RAG), permitiendo a los desarrolladores integrar funcionalidades avanzadas de IA en sus aplicaciones de manera fluida. Al aprovechar MCP-Pinecone, los usuarios pueden mejorar sus procesos de recuperación de datos, facilitando el acceso y la utilización de la información almacenada en Pinecone.

Características de MCP-Pinecone

• Integración con Pinecone: Se conecta directamente a Pinecone, lo que permite una gestión y recuperación de datos eficiente.
• Capacidades RAG: Soporta Generación Aumentada por Recuperación, mejorando la calidad de las respuestas generadas al utilizar datos externos.
• Código Abierto: Disponible para uso público, permitiendo a los desarrolladores contribuir y modificar el código según sea necesario.
• Interfaz Amigable: Diseñada pensando en la facilidad de uso, lo que la hace accesible tanto para desarrolladores novatos como experimentados.
• Comunidad Activa: Respaldada por una comunidad de colaboradores, asegurando una mejora continua y soporte.

Cómo Usar MCP-Pinecone

1. Instalación: Clona el repositorio desde GitHub e instala las dependencias necesarias.

   git clone https://github.com/sirmews/mcp-pinecone.git
   cd mcp-pinecone
   npm install
   

2. Configuración: Configura tu clave API de Pinecone y otras configuraciones en las variables de entorno o archivos de configuración.

3. Ejecutar el Servidor: Inicia el servidor para comenzar a interactuar con Pinecone.

   npm start
   

4. Realizar Solicitudes: Utiliza los endpoints de API proporcionados para leer y escribir datos en Pinecone. Consulta la documentación para obtener instrucciones detalladas sobre los endpoints disponibles y su uso.

5. Contribuir: Si deseas contribuir al proyecto, siéntete libre de bifurcar el repositorio, realizar tus cambios y enviar una solicitud de extracción.

Preguntas Frecuentes

¿Qué es Pinecone?

Pinecone es una base de datos de vectores completamente gestionada diseñada para aplicaciones de aprendizaje automático. Permite a los usuarios almacenar y consultar vectores de alta dimensión de manera eficiente, lo que la hace ideal para aplicaciones que involucran IA y ciencia de datos.

¿Cómo mejora MCP-Pinecone la recuperación de datos?

Al implementar la Generación Aumentada por Recuperación (RAG), MCP-Pinecone permite que las aplicaciones generen respuestas basadas tanto en el entrenamiento del modelo como en datos en tiempo real de Pinecone, lo que lleva a salidas más precisas y contextualmente relevantes.

¿Es MCP-Pinecone gratuito para usar?

Sí, MCP-Pinecone es un proyecto de código abierto y puedes usarlo de forma gratuita. Sin embargo, el uso de Pinecone puede incurrir en costos según tu uso de sus servicios.

¿Puedo contribuir al proyecto MCP-Pinecone?

¡Absolutamente! Las contribuciones son bienvenidas. Puedes bifurcar el repositorio, realizar mejoras y enviar una solicitud de extracción para compartir tus mejoras con la comunidad.

¿Dónde puedo encontrar la documentación de MCP-Pinecone?

La documentación generalmente se incluye en el repositorio. También puedes consultar el archivo README para obtener instrucciones de configuración y pautas de uso.

Pinecone Model Context Protocol Server for Claude Desktop.

Read and write to a Pinecone index.

Components

flowchart TB
    subgraph Client["MCP Client (e.g., Claude Desktop)"]
        UI[User Interface]
    end

    subgraph MCPServer["MCP Server (pinecone-mcp)"]
        Server[Server Class]
        
        subgraph Handlers["Request Handlers"]
            ListRes[list_resources]
            ReadRes[read_resource]
            ListTools[list_tools]
            CallTool[call_tool]
            GetPrompt[get_prompt]
            ListPrompts[list_prompts]
        end
        
        subgraph Tools["Implemented Tools"]
            SemSearch[semantic-search]
            ReadDoc[read-document]
            ListDocs[list-documents]
            PineconeStats[pinecone-stats]
            ProcessDoc[process-document]
        end
    end

    subgraph PineconeService["Pinecone Service"]
        PC[Pinecone Client]
        subgraph PineconeFunctions["Pinecone Operations"]
            Search[search_records]
            Upsert[upsert_records]
            Fetch[fetch_records]
            List[list_records]
            Embed[generate_embeddings]
        end
        Index[(Pinecone Index)]
    end

    %% Connections
    UI --> Server
    Server --> Handlers
    
    ListTools --> Tools
    CallTool --> Tools
    
    Tools --> PC
    PC --> PineconeFunctions
    PineconeFunctions --> Index
    
    %% Data flow for semantic search
    SemSearch --> Search
    Search --> Embed
    Embed --> Index
    
    %% Data flow for document operations
    UpsertDoc --> Upsert
    ReadDoc --> Fetch
    ListRes --> List

    classDef primary fill:#2563eb,stroke:#1d4ed8,color:white
    classDef secondary fill:#4b5563,stroke:#374151,color:white
    classDef storage fill:#059669,stroke:#047857,color:white
    
    class Server,PC primary
    class Tools,Handlers secondary
    class Index storage

Resources

The server implements the ability to read and write to a Pinecone index.

Tools

• semantic-search: Search for records in the Pinecone index.
• read-document: Read a document from the Pinecone index.
• list-documents: List all documents in the Pinecone index.
• pinecone-stats: Get stats about the Pinecone index, including the number of records, dimensions, and namespaces.
• process-document: Process a document into chunks and upsert them into the Pinecone index. This performs the overall steps of chunking, embedding, and upserting.

Note: embeddings are generated via Pinecone's inference API and chunking is done with a token-based chunker. Written by copying a lot from langchain and debugging with Claude.

Quickstart

Installing via Smithery

To install Pinecone MCP Server for Claude Desktop automatically via Smithery:

npx -y @smithery/cli install mcp-pinecone --client claude

Install the server

Recommend using uv to install the server locally for Claude.

uvx install mcp-pinecone

OR

uv pip install mcp-pinecone

Add your config as described below.

Claude Desktop

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

Note: You might need to use the direct path to uv. Use which uv to find the path.

Development/Unpublished Servers Configuration

"mcpServers": {
  "mcp-pinecone": {
    "command": "uv",
    "args": [
      "--directory",
      "{project_dir}",
      "run",
      "mcp-pinecone"
    ]
  }
}

Published Servers Configuration

"mcpServers": {
  "mcp-pinecone": {
    "command": "uvx",
    "args": [
      "--index-name",
      "{your-index-name}",
      "--api-key",
      "{your-secret-api-key}",
      "mcp-pinecone"
    ]
  }
}

Sign up to Pinecone

You can sign up for a Pinecone account here.

Get an API key

Create a new index in Pinecone, replacing {your-index-name} and get an API key from the Pinecone dashboard, replacing {your-secret-api-key} in the config.

Development

Building and Publishing

To prepare the package for distribution:

1. Sync dependencies and update lockfile:

uv sync

2. Build package distributions:

uv build

This will create source and wheel distributions in the dist/ directory.

3. Publish to PyPI:

uv publish

Note: You'll need to set PyPI credentials via environment variables or command flags:

• Token: --token or UV_PUBLISH_TOKEN
• Or username/password: --username/UV_PUBLISH_USERNAME and --password/UV_PUBLISH_PASSWORD

Debugging

Since MCP servers run over stdio, debugging can be challenging. For the best debugging experience, we strongly recommend using the MCP Inspector.

You can launch the MCP Inspector via npm with this command:

npx @modelcontextprotocol/inspector uv --directory {project_dir} run mcp-pinecone

Upon launching, the Inspector will display a URL that you can access in your browser to begin debugging.

License

This project is licensed under the MIT License. See the LICENSE file for details.

Source Code

The source code is available on GitHub.

Contributing

Send your ideas and feedback to me on Bluesky or by opening an issue.