Vertex AI Search 用 MCP サーバー

これは、Vertex AI を使用してドキュメントを検索するための MCP サーバーです。

建築

このソリューションは、GeminiとVertex AI Groundingを活用し、お客様のプライベートデータを使用してドキュメントを検索します。Groundingは、GeminiのレスポンスをVertex AI Datastoreに保存されているデータにグラウンディングすることで、検索結果の品質を向上させます。MCPサーバーには、1つまたは複数のVertex AIデータストアを統合できます。Groundingの詳細については、 Vertex AI Groundingのドキュメントをご覧ください。

使い方

このMCPサーバーを使用するには2つの方法があります。Docker上で実行したい場合は、プロジェクト内にDockerfileが提供されているため、最初の方法をお勧めします。

1. リポジトリをクローンする

Pythonパッケージをインストールする

このパッケージはまだPyPIに公開されていませんが、リポジトリからインストールできます。MCPサーバーを実行するには、 config.yml.templateから派生した設定ファイルが必要です。Pythonパッケージには設定テンプレートが含まれていないためです。設定ファイルの詳細については、付録A「設定ファイル」を参照してください。

発達

前提条件

• 紫外線
• Vertex AI データストア
  • 詳細については、データストアに関する公式ドキュメントをご覧ください。

ローカル環境の設定

MCPサーバーを実行する

これはSSE（Server-Sent Events）とstdio（Standard Input Output）の2つのトランスポートをサポートしています。-- --transportフラグを設定することでトランスポートを制御できます。

MCPサーバーはYAMLファイルで設定できます。config.yml.templateは設定ファイルのテンプレートです。必要に応じて設定ファイルを修正してください。

Vertex AI Searchをテストする

MCP サーバーなしでmcp-vertexai-search searchコマンドを使用して Vertex AI Search をテストできます。

付録A: 設定ファイル

config.yml.templateは設定ファイルのテンプレートです。

• server
  • server.name : MCPサーバーの名前
• model
  • model.model_name : Vertex AI モデルの名前
  • model.project_id : Vertex AI モデルのプロジェクト ID
  • model.location : モデルの場所（例：us-central1）
  • model.impersonate_service_account : 偽装するサービスアカウント
  • model.generate_content_config : コンテンツ生成APIの設定
• data_stores : Vertex AI データストアのリスト
  • data_stores.project_id : Vertex AI データストアのプロジェクト ID
  • data_stores.location : Vertex AI データストアの場所 (例: us)
  • data_stores.datastore_id : Vertex AI データストアのID
  • data_stores.tool_name : ツールの名前
  • data_stores.description : Vertex AI データストアの説明