Vectorizzare il server Mcp

Cos'è il Server MCP di Vectorize?

Il ### Server MCP di Vectorize è un progetto open-source progettato per facilitare la gestione e l'elaborazione dei dati all'interno dell'ecosistema Vectorize. Funziona come un server backend che gestisce vari compiti relativi alla manipolazione, archiviazione e recupero dei dati, rendendolo un componente essenziale per gli sviluppatori che lavorano con le tecnologie Vectorize.

Caratteristiche del Server MCP di Vectorize

• Gestione dei Dati: Gestisci ed elabora grandi set di dati con facilità.
• Integrazione API: Integra senza problemi con altri servizi tramite una robusta API, consentendo una gestione flessibile dei dati.
• Open Source: Essendo un progetto open-source, incoraggia i contributi della comunità e la trasparenza.
• Scalabilità: Progettato per scalare con le tue esigenze, sia che tu stia lavorando su piccoli progetti o su grandi soluzioni aziendali.
• Documentazione: È disponibile una documentazione completa per assistere gli sviluppatori nell'iniziare e utilizzare il server in modo efficace.

Come Utilizzare il Server MCP di Vectorize

1. Installazione: Inizia clonando il repository da GitHub e seguendo le istruzioni di installazione fornite nella documentazione.
2. Configurazione: Configura le impostazioni del server in base ai requisiti del tuo progetto. Questo può includere la configurazione delle connessioni al database e delle chiavi API.
3. Utilizzo dell'API: Utilizza gli endpoint API forniti per interagire con il server. Puoi eseguire operazioni come recupero, aggiornamenti e cancellazioni dei dati.
4. Test: Esegui test approfonditi per garantire che il server funzioni come previsto all'interno della tua applicazione.
5. Distribuzione: Una volta che tutto è configurato e testato, distribuisci il server nel tuo ambiente di produzione.

Domande Frequenti

D: Il Server MCP di Vectorize è gratuito da usare?

R: Sì, è un progetto open-source ed è gratuito da usare sotto la licenza MIT.

D: Posso contribuire al Server MCP di Vectorize?

R: Assolutamente! I contributi sono benvenuti. Puoi inviare segnalazioni di problemi, richieste di funzionalità o pull request sul repository GitHub.

D: Dove posso trovare la documentazione?

R: La documentazione è disponibile su docs.vectorize.io/api/api-mcp-server.

D: Quali linguaggi di programmazione sono supportati?

R: Il server è principalmente costruito utilizzando linguaggi compatibili con l'ecosistema Vectorize, ma può essere integrato con qualsiasi linguaggio che può effettuare richieste HTTP.

D: Come posso segnalare un bug?

R: Puoi segnalare bug aprendo un problema sul repository GitHub, fornendo il maggior numero possibile di dettagli per aiutare gli sviluppatori a risolvere il 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