mcp-встраивание-поиск

Сервер Model Context Protocol (MCP), который запрашивает базу данных Turso, содержащую вложения и сегменты транскриптов. Этот инструмент позволяет пользователям искать соответствующие сегменты транскриптов, задавая вопросы, без создания новых вложений.

Функции

🔍 Векторный поиск сходства для сегментов транскрипта
📊 Оценка релевантности на основе косинусного сходства
📝 Полные метаданные транскрипта (название эпизода, временные метки)
⚙️ Настраиваемые параметры поиска (лимит, минимальный счет)
🔄 Эффективный пул соединений с базой данных
🛡️ Комплексная обработка ошибок
📈 Оптимизированная производительность для быстрого реагирования

Related MCP server: Better Qdrant MCP Server

Конфигурация

Этот сервер требует настройки через ваш клиент MCP. Вот примеры для разных сред:

Конфигурация Клайна

Добавьте это в настройки 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" } } } }

Конфигурация рабочего стола Клода

Добавьте это в конфигурацию вашего 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

На сервере реализован один инструмент MCP:

поиск_внедрений

Поиск соответствующих сегментов транскрипта с использованием векторного сходства.

Параметры:

question (строка, обязательно): Текст запроса для поиска
limit (число, необязательно): количество возвращаемых результатов (по умолчанию: 5, максимум: 50)
min_score (число, необязательно): Минимальный порог сходства (по умолчанию: 0,5, диапазон: 0-1)

Формат ответа:

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

Схема базы данных

Этот инструмент ожидает базу данных Turso со следующей схемой:

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 );

Столбец embedding должен содержать векторные вложения, которые можно использовать с функцией vector_distance_cos .

Разработка

Настраивать

Клонировать репозиторий
Установить зависимости:

npm install

Создайте проект:

npm run build

Запустить в режиме разработки:

npm run dev

Издательский

Проект использует наборы изменений для управления версиями. Для публикации:

Создайте набор изменений:

npm run changeset

Версия пакета:

npm run version

Опубликовать в npm:

npm run release

Внося вклад

Вклады приветствуются! Пожалуйста, не стесняйтесь отправлять запрос на включение.

Лицензия

Лицензия MIT — подробности см. в файле LICENSE .

Благодарности

Построен на основе протокола модельного контекста
Разработан для эффективного поиска векторного сходства в базах данных транскриптов.

This server cannot be installed

-

security - not tested

F

license - not found

-

quality - not tested

How are these scores calculated?

Resources

GitHub Repository

Need Help?

Report Issue

Reddit Discussion

Related Servers

MCP Embedding Search