Vectorizar el Servidor Mcp

¿Qué es el Servidor MCP de Vectorize?

El ### Servidor MCP de Vectorize es un proyecto de código abierto diseñado para facilitar la gestión y el procesamiento de datos dentro del ecosistema Vectorize. Sirve como un servidor backend que maneja diversas tareas relacionadas con la manipulación, almacenamiento y recuperación de datos, convirtiéndose en un componente esencial para los desarrolladores que trabajan con tecnologías Vectorize.

Características del Servidor MCP de Vectorize

• Gestión de Datos: Gestiona y procesa grandes conjuntos de datos de manera eficiente.
• Integración de API: Integra sin problemas con otros servicios a través de una API robusta, lo que permite un manejo flexible de datos.
• Código Abierto: Al ser un proyecto de código abierto, fomenta las contribuciones de la comunidad y la transparencia.
• Escalabilidad: Diseñado para escalar según tus necesidades, ya sea que estés trabajando en proyectos pequeños o en soluciones empresariales grandes.
• Documentación: Se dispone de documentación completa para ayudar a los desarrolladores a comenzar y utilizar el servidor de manera efectiva.

Cómo Usar el Servidor MCP de Vectorize

1. Instalación: Comienza clonando el repositorio desde GitHub y siguiendo las instrucciones de instalación proporcionadas en la documentación.
2. Configuración: Configura los ajustes del servidor de acuerdo con los requisitos de tu proyecto. Esto puede incluir la configuración de conexiones a bases de datos y claves de API.
3. Uso de la API: Utiliza los puntos finales de API proporcionados para interactuar con el servidor. Puedes realizar operaciones como recuperación de datos, actualizaciones y eliminaciones.
4. Pruebas: Realiza pruebas exhaustivas para asegurarte de que el servidor funcione como se espera dentro de tu aplicación.
5. Despliegue: Una vez que todo esté configurado y probado, despliega el servidor en tu entorno de producción.

Preguntas Frecuentes

P: ¿Es gratuito el uso del Servidor MCP de Vectorize?

R: Sí, es un proyecto de código abierto y es gratuito bajo la licencia MIT.

P: ¿Puedo contribuir al Servidor MCP de Vectorize?

R: ¡Absolutamente! Las contribuciones son bienvenidas. Puedes enviar problemas, solicitudes de características o solicitudes de extracción en el repositorio de GitHub.

P: ¿Dónde puedo encontrar la documentación?

R: La documentación está disponible en docs.vectorize.io/api/api-mcp-server.

P: ¿Qué lenguajes de programación son compatibles?

R: El servidor está construido principalmente con lenguajes que son compatibles con el ecosistema Vectorize, pero se puede integrar con cualquier lenguaje que pueda realizar solicitudes HTTP.

P: ¿Cómo reporto un error?

R: Puedes reportar errores abriendo un problema en el repositorio de GitHub, proporcionando tantos detalles como sea posible para ayudar a los desarrolladores a abordar el problema.

Vectorize MCP Server

A Model Context Protocol (MCP) server implementation that integrates with Vectorize for advanced Vector retrieval and text extraction.

<a href="https://glama.ai/mcp/servers/pxwbgk0kzr"> <img width="380" height="200" src="https://glama.ai/mcp/servers/pxwbgk0kzr/badge" alt="Vectorize MCP server" /> </a>

Installation

Running with npx

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 Installation

For one-click installation, click one of the install buttons below:

Manual Installation

For the quickest installation, use the one-click install buttons at the top of this section.

To install manually, add the following JSON block to your User Settings (JSON) file in VS Code. You can do this by pressing Ctrl + Shift + P and typing Preferences: Open User Settings (JSON).

{
  "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}"
        }
      }
    }
  }
}

Optionally, you can add the following to a file called .vscode/mcp.json in your workspace to share the configuration with others:

{
  "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}"
      }
    }
  }
}

Configuration on Claude/Windsurf/Cursor/Cline

{
  "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"
      }
    }
  }
}

Tools

Retrieve documents

Perform vector search and retrieve documents (see official API):

{
  "name": "retrieve",
  "arguments": {
    "question": "Financial health of the company",
    "k": 5
  }
}

Text extraction and chunking (Any file to Markdown)

Extract text from a document and chunk it into Markdown format (see official API):

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

Deep Research

Generate a Private Deep Research from your pipeline (see official API):

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

Development

npm install
npm run dev

Release

Change the package.json version and then:

git commit -am "x.y.z"
git tag x.y.z
git push origin
git push origin --tags

Contributing

1. Fork the repository
2. Create your feature branch
3. Submit a pull request