린도름 MCP 서버

이 저장소는 다중 모델 NoSQL 데이터베이스인 Lindorm을 위한 MCP 서버를 만드는 방법의 예입니다.

용법

lindorm에서의 구성

이 MCP 서버를 활용하려면 다음 단계를 따르세요.

Alibaba Cloud 에서 Lindorm 와이드 테이블 엔진, 검색 엔진, 벡터 엔진, AI 엔진을 구매하세요.
공식 지침 에 따라 텍스트 임베딩 모델을 배포합니다.
인덱스(지식 기반)를 만들고 배포된 임베딩 모델을 사용하여 데이터를 가져옵니다.

환경 설정

이 저장소를 복제하고 프로젝트 디렉토리로 이동합니다.
환경 파일을 만듭니다.

지엑스피1

특정 구성으로 .env 파일을 편집합니다.

LINDORM_INSTANCE_ID: Lindorm 인스턴스 ID
USING_VPC_NETWORK: VPC 네트워크에서 실행 중인 경우 true로 설정하고, 그렇지 않은 경우 false로 설정합니다.
사용자 이름: Lindorm 계정 사용자 이름
비밀번호: Lindorm 계정 비밀번호
TEXT_EMBEDDING_MODEL: 배포된 텍스트 임베딩 모델의 이름
TABLE_DATABASE: SQL 작업을 위한 데이터베이스 참고: 이 구성은 모든 엔진이 동일한 사용자 이름과 비밀번호를 공유한다고 가정합니다.

MCP 서버 실행

uv 를 설치하세요. mcp 서버를 바로 시작하세요.

cd /path/to/alibabacloud-lindorm-mcp-server/

uv pip install .

uv run python -m src.lindorm_mcp_server.server

비주얼 스튜디오 코드

Cline 확장 프로그램을 설치하세요.
/path/to/alibabacloud-lindorm-mcp-server/ 아래에 .env 파일을 만듭니다.
.vscode/mcp.json에서 cline_mcp_settings.json으로 MCP 구성을 복사하고, 필요에 따라 경로와 변수를 바꿉니다.
Cline 확장을 통해 MCP 서버를 시작합니다.

구성 요소

LindormVectorSearchClient : 검색 및 벡터 엔진에서 전체 텍스트 및 벡터 검색을 수행합니다.
LindormWideTableClient : Lindorm 와이드 테이블에서 SQL 작업을 실행합니다.

사용 가능한 도구

lindorm_retrieve_from_index : 전체 텍스트 검색과 벡터 검색을 모두 사용하여 기존 인덱스(또는 지식 기반)에서 검색하고 집계된 결과를 반환합니다.
- 매개변수
  - index_name: 인덱스 이름 또는 지식베이스 이름이라고도 함
  - 쿼리: 지식베이스에서 검색하려는 쿼리
  - content_field: 콘텐츠 텍스트를 저장하는 텍스트 필드입니다. lindorm_get_index_mappings 도구를 사용하여 인덱스 구조에서 가져올 수 있습니다.
  - vector_field: 벡터 인덱스를 저장하는 벡터 필드입니다. lindorm_get_index_mappings 도구를 사용하여 인덱스 구조체에서 가져올 수 있습니다.
  - top_k: 반환하려는 결과 번호
lindorm_get_index_fields : 인덱스(또는 지식베이스)의 필드 정보를 가져옵니다. 특히 벡터 저장 필드와 콘텐츠 저장 필드를 가져옵니다.
- 매개변수:
  - index_name: 인덱스 이름 또는 지식베이스 이름이라고도 함
lindorm_list_all_index : 보유한 모든 인덱스(또는 지식베이스)를 나열합니다.
lindorm_execute_sql : Lindorm 데이터베이스에서 SQL 쿼리를 실행합니다.
- 매개변수
  - 쿼리: select로 시작하는 실행할 SQL 쿼리
lindorm_show_tables : Lindorm 데이터베이스의 모든 테이블을 가져옵니다.
lindorm_describe_table : Lindorm 데이터베이스의 테이블 스키마를 가져옵니다.
- 매개변수
  - table_name: 테이블 이름