Skip to main content
Glama

búsqueda de incrustación de mcp

Un servidor de Protocolo de Contexto de Modelo (MCP) que consulta una base de datos Turso que contiene incrustaciones y segmentos de transcripción. Esta herramienta permite a los usuarios buscar segmentos de transcripción relevantes mediante preguntas, sin generar nuevas incrustaciones.

Características

  • 🔍 Búsqueda de similitud vectorial para segmentos de transcripción

  • Puntuación de relevancia basada en la similitud del coseno

  • 📝 Metadatos de la transcripción completa (título del episodio, marcas de tiempo)

  • ⚙️ Parámetros de búsqueda configurables (límite, puntuación mínima)

  • 🔄 Agrupación eficiente de conexiones de bases de datos

  • 🛡️ Manejo integral de errores

  • 📈 Rendimiento optimizado para respuestas rápidas

Related MCP server: Better Qdrant MCP Server

Configuración

Este servidor requiere configuración a través de su cliente MCP. A continuación, se muestran ejemplos para diferentes entornos:

Configuración de Cline

Agregue esto a su configuración de Cline MCP:

{ "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" } } } }

Configuración del escritorio de Claude

Añade esto a tu configuración de Claude Desktop:

{ "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

El servidor implementa una herramienta MCP:

incrustaciones de búsqueda

Busque segmentos de transcripción relevantes utilizando similitud vectorial.

Parámetros:

  • question (cadena, obligatoria): el texto de consulta a buscar

  • limit (número, opcional): Número de resultados a devolver (predeterminado: 5, máximo: 50)

  • min_score (número, opcional): umbral mínimo de similitud (predeterminado: 0,5, rango: 0-1)

Formato de respuesta:

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

Esquema de base de datos

Esta herramienta espera una base de datos Turso con el siguiente esquema:

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 );

La columna embedding debe contener incrustaciones vectoriales que puedan usarse con la función vector_distance_cos .

Desarrollo

Configuración

  1. Clonar el repositorio

  2. Instalar dependencias:

npm install
  1. Construir el proyecto:

npm run build
  1. Ejecutar en modo de desarrollo:

npm run dev

Publicación

El proyecto utiliza conjuntos de cambios para la gestión de versiones. Para publicar:

  1. Crear un conjunto de cambios:

npm run changeset
  1. Versionar el paquete:

npm run version
  1. Publicar en npm:

npm run release

Contribuyendo

¡Agradecemos sus contribuciones! No dude en enviar una solicitud de incorporación de cambios.

Licencia

Licencia MIT: consulte el archivo LICENCIA para obtener más detalles.

Expresiones de gratitud

  • Construido sobre el Protocolo de Contexto Modelo

  • Diseñado para una búsqueda eficiente de similitud de vectores en bases de datos de transcripciones

-
security - not tested
F
license - not found
-
quality - not tested

Latest Blog Posts

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