Servidor do Protocolo de Contexto do Modelo Pinecone Para Claude Desktop.

O que é MCP-Pinecone?

MCP-Pinecone é um servidor do Modelo de Protocolo de Contexto projetado para facilitar operações de leitura e escrita no Pinecone, um serviço de banco de dados vetorial. Este servidor fornece uma capacidade rudimentar de Geração Aumentada por Recuperação (RAG), permitindo que os desenvolvedores integrem funcionalidades avançadas de IA em suas aplicações de forma contínua. Ao aproveitar o MCP-Pinecone, os usuários podem aprimorar seus processos de recuperação de dados, tornando mais fácil acessar e utilizar informações armazenadas no Pinecone.

Recursos do MCP-Pinecone

• Integração com Pinecone: Conecta-se diretamente ao Pinecone, permitindo uma gestão e recuperação de dados eficientes.
• Capacidades de RAG: Suporta Geração Aumentada por Recuperação, melhorando a qualidade das respostas geradas ao utilizar dados externos.
• Código Aberto: Disponível para uso público, permitindo que desenvolvedores contribuam e modifiquem o código conforme necessário.
• Interface Amigável: Projetado com facilidade de uso em mente, tornando-o acessível tanto para desenvolvedores novatos quanto experientes.
• Comunidade Ativa: Apoiado por uma comunidade de colaboradores, garantindo melhoria contínua e suporte.

Como Usar o MCP-Pinecone

1. Instalação: Clone o repositório do GitHub e instale as dependências necessárias.

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

2. Configuração: Configure sua chave da API do Pinecone e outras configurações nas variáveis de ambiente ou arquivos de configuração.

3. Executando o Servidor: Inicie o servidor para começar a interagir com o Pinecone.

   npm start
   

4. Fazendo Solicitações: Use os endpoints da API fornecidos para ler e escrever dados no Pinecone. Consulte a documentação para instruções detalhadas sobre os endpoints disponíveis e seu uso.

5. Contribuindo: Se você deseja contribuir para o projeto, sinta-se à vontade para bifurcar o repositório, fazer suas alterações e enviar um pull request.

Perguntas Frequentes

O que é Pinecone?

Pinecone é um banco de dados vetorial totalmente gerenciado, projetado para aplicações de aprendizado de máquina. Ele permite que os usuários armazenem e consultem vetores de alta dimensão de forma eficiente, tornando-o ideal para aplicações envolvendo IA e ciência de dados.

Como o MCP-Pinecone melhora a recuperação de dados?

Ao implementar a Geração Aumentada por Recuperação (RAG), o MCP-Pinecone permite que aplicações gerem respostas com base tanto no treinamento do modelo quanto em dados em tempo real do Pinecone, levando a saídas mais precisas e contextualmente relevantes.

O MCP-Pinecone é gratuito para usar?

Sim, o MCP-Pinecone é um projeto de código aberto, e você pode usá-lo gratuitamente. No entanto, o uso do Pinecone pode incorrer em custos com base no seu uso dos serviços deles.

Posso contribuir para o projeto MCP-Pinecone?

Absolutamente! Contribuições são bem-vindas. Você pode bifurcar o repositório, fazer melhorias e enviar um pull request para compartilhar suas melhorias com a comunidade.

Onde posso encontrar a documentação do MCP-Pinecone?

A documentação geralmente está incluída no repositório. Você também pode verificar o arquivo README para instruções de configuração e diretrizes 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.