mcp-嵌入-搜索
一个模型上下文协议 (MCP) 服务器，用于查询包含嵌入和转录片段的 Turso 数据库。此工具允许用户通过提问来搜索相关的转录片段，而无需生成新的嵌入。
特征
🔍 转录片段的向量相似性搜索
📊 基于余弦相似度的相关性评分
📝 完整的成绩单元数据（剧集标题、时间戳）
⚙️ 可配置的搜索参数（限制、最低分数）
🔄 高效的数据库连接池
🛡️ 全面的错误处理
📈 性能优化，响应速度更快
Related MCP server: Better Qdrant MCP Server
配置
此服务器需要通过您的 MCP 客户端进行配置。以下是不同环境下的示例：
克莱恩配置
将其添加到您的 Cline MCP 设置中：
{
"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桌面配置
将其添加到您的 Claude Desktop 配置中：
{
"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
服务器实现了一个 MCP 工具：
搜索嵌入
使用向量相似性搜索相关的转录片段。
参数：
question（字符串，必需）：要搜索的查询文本limit（数字，可选）：返回的结果数（默认值：5，最大值：50）min_score（数字，可选）：最小相似度阈值（默认值：0.5，范围：0-1）
响应格式：
[
{
"episode_title": "Episode Title",
"segment_text": "Transcript segment content...",
"start_time": 123.45,
"end_time": 167.89,
"similarity": 0.85
}
// Additional results...
]
数据库架构
此工具需要具有以下架构的 Turso 数据库：
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
);
embedding列应包含可与vector_distance_cos函数一起使用的向量嵌入。
发展
设置
克隆存储库
安装依赖项：
npm install
构建项目：
npm run build
以开发模式运行：
npm run dev
出版
该项目使用变更集进行版本管理。要发布：
创建变更集：
npm run changeset
对包进行版本控制：
npm run version
发布到 npm：
npm run release
贡献
欢迎贡献代码！欢迎提交 Pull 请求。
执照
MIT 许可证 - 有关详细信息，请参阅LICENSE文件。
致谢
基于模型上下文协议
专为在转录本数据库中进行高效的向量相似性搜索而设计