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

            • 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 captions and subtitles through a simple interface.
              Last updated -
              1
              526
              189
              JavaScript
              MIT License
            • -
              security
              F
              license
              -
              quality
              Enables efficient vector database operations for embedding storage and similarity search through a Model Context Protocol interface.
              Last updated -
              3
              Python
            • -
              security
              A
              license
              -
              quality
              A Model Context Protocol server that enables retrieval of transcripts from YouTube videos with language-specific support.
              Last updated -
              526
              MIT License
            • -
              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 -
              1,133
              TypeScript

            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