Skip to main content
Glama

MCP Embedding Search

Ein Model Context Protocol (MCP)-Server, der eine Turso-Datenbank mit Einbettungen und Transkriptsegmenten abfragt. Mit diesem Tool können Benutzer durch Fragen nach relevanten Transkriptsegmenten suchen, ohne neue Einbettungen zu generieren.

Merkmale

  • 🔍 Vektorähnlichkeitssuche für Transkriptsegmente
  • 📊 Relevanzbewertung basierend auf Kosinusähnlichkeit
  • 📝 Vollständige Transkript-Metadaten (Episodentitel, Zeitstempel)
  • ⚙️ Konfigurierbare Suchparameter (Limit, Mindestpunktzahl)
  • 🔄 Effizientes Datenbankverbindungspooling
  • 🛡️ Umfassende Fehlerbehandlung
  • 📈 Leistung für schnelle Antworten optimiert

Konfiguration

Dieser Server muss über Ihren MCP-Client konfiguriert werden. Hier sind Beispiele für verschiedene Umgebungen:

Cline-Konfiguration

Fügen Sie dies zu Ihren Cline MCP-Einstellungen hinzu:

{ "mcpServers": { "mcp-embedding-search": { "command": "node", "args": ["/path/to/mcp-embedding-search/dist/index.js"], "env": { "TURSO_URL": "your-turso-database-url", "TURSO_AUTH_TOKEN": "your-turso-auth-token" } } } }

Claude Desktop-Konfiguration

Fügen Sie dies zu Ihrer Claude Desktop-Konfiguration hinzu:

{ "mcpServers": { "mcp-embedding-search": { "command": "node", "args": ["/path/to/mcp-embedding-search/dist/index.js"], "env": { "TURSO_URL": "your-turso-database-url", "TURSO_AUTH_TOKEN": "your-turso-auth-token" } } } }

API

Der Server implementiert ein MCP-Tool:

Sucheinbettungen

Suchen Sie mithilfe der Vektorähnlichkeit nach relevanten Transkriptsegmenten.

Parameter:

  • question (Zeichenfolge, erforderlich): Der zu suchende Abfragetext
  • limit (Zahl, optional): Anzahl der zurückzugebenden Ergebnisse (Standard: 5, Max: 50)
  • min_score (Zahl, optional): Minimaler Ähnlichkeitsschwellenwert (Standard: 0,5, Bereich: 0-1)

Antwortformat:

[ { "episode_title": "Episode Title", "segment_text": "Transcript segment content...", "start_time": 123.45, "end_time": 167.89, "similarity": 0.85 } // Additional results... ]

Datenbankschema

Dieses Tool erwartet eine Turso-Datenbank mit folgendem Schema:

CREATE TABLE embeddings ( id INTEGER PRIMARY KEY AUTOINCREMENT, transcript_id INTEGER NOT NULL, embedding TEXT NOT NULL, FOREIGN KEY(transcript_id) REFERENCES transcripts(id) ); CREATE TABLE transcripts ( id INTEGER PRIMARY KEY AUTOINCREMENT, episode_title TEXT NOT NULL, segment_text TEXT NOT NULL, start_time REAL NOT NULL, end_time REAL NOT NULL );

Die embedding sollte Vektoreinbettungen enthalten, die mit der Funktion vector_distance_cos verwendet werden können.

Entwicklung

Aufstellen

  1. Klonen Sie das Repository
  2. Installieren Sie Abhängigkeiten:
npm install
  1. Erstellen Sie das Projekt:
npm run build
  1. Im Entwicklungsmodus ausführen:
npm run dev

Veröffentlichen

Das Projekt verwendet Änderungssätze zur Versionsverwaltung. So veröffentlichen Sie:

  1. Erstellen Sie einen Änderungssatz:
npm run changeset
  1. Versionieren Sie das Paket:
npm run version
  1. Auf npm veröffentlichen:
npm run release

Beitragen

Beiträge sind willkommen! Senden Sie gerne einen Pull Request.

Lizenz

MIT-Lizenz – Einzelheiten finden Sie in der Datei LICENSE .

Danksagung

  • Basierend auf dem Model Context Protocol
  • Entwickelt für die effiziente Vektorähnlichkeitssuche in Transkriptdatenbanken
-
security - not tested
F
license - not found
-
quality - not tested

remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

Ein Model Context Protocol-Server, der Transkriptsegmente in einer Turso-Datenbank mithilfe von Vektorähnlichkeit durchsucht und es Benutzern ermöglicht, relevante Inhalte zu finden, indem sie Fragen stellen, ohne neue Einbettungen zu generieren.

  1. Merkmale
    1. Konfiguration
      1. Cline-Konfiguration
      2. Claude Desktop-Konfiguration
    2. API
      1. Sucheinbettungen
    3. Datenbankschema
      1. Entwicklung
        1. Aufstellen
        2. Veröffentlichen
      2. Beitragen
        1. Lizenz
          1. Danksagung

            Related MCP Servers

            • -
              security
              F
              license
              -
              quality
              A Model Context Protocol server that provides AI-powered features for the Transcripter project, including tools for searching and summarizing transcriptions and resources for accessing transcription and analysis data.
              Last updated -
              738
              TypeScript
            • A
              security
              A
              license
              A
              quality
              A Model Context Protocol server that enables semantic search capabilities by providing tools to manage Qdrant vector database collections, process and embed documents using various embedding services, and perform semantic searches across vector embeddings.
              Last updated -
              4
              51
              TypeScript
              MIT License
            • A
              security
              A
              license
              A
              quality
              A Model Context Protocol server that enables retrieval of transcripts from YouTube videos. This server provides direct access to video transcripts and subtitles through a simple interface, making it ideal for content analysis and processing.
              Last updated -
              1
              444
              22
              TypeScript
              MIT License
              • Linux
              • Apple
            • -
              security
              A
              license
              -
              quality
              A Model Context Protocol server that enables searching YouTube videos, retrieving and storing transcripts, and performing semantic search over video content without using the official YouTube API.
              Last updated -
              5
              Python
              MIT License

            View all related MCP servers

            MCP directory API

            We provide all the information about MCP servers via our MCP API.

            curl -X GET 'https://glama.ai/api/mcp/v1/servers/spences10/mcp-embedding-search'

            If you have feedback or need assistance with the MCP directory API, please join our Discord server