Vectara MCP サーバー
Vectara MCPは、あらゆるMCPクライアントと互換性があります。
モデル コンテキスト プロトコル (MCP) は、AI システムがさまざまなデータ ソースやツールとシームレスに対話し、安全な双方向接続を実現できるようにするオープン スタンダードです。
Vectara-MCP は、MCP プロトコルを通じて、Vectara の Trusted RAG プラットフォームを活用し、幻覚を軽減した高速で信頼性の高い RAG へのアクセスをあらゆるエージェント アプリケーションに提供します。
インストール
PyPI から直接パッケージをインストールできます。
Related MCP server: Azure MCP Server
利用可能なツール
ask_vectara: Vectara を使用して RAG クエリを実行し、生成された応答とともに検索結果を返します。
引数:
query: str、実行するユーザークエリ - 必須。
corpus_keys: list[str]、検索に使用するVectaraコーパスキーのリスト（必須）。ユーザーに1つ以上のコーパスキーを提供するよう依頼してください。
api_key: str、Vectara API キー - 必須。
n_sentences_before: int、コンテキストに含める回答の前の文の数 - オプション、デフォルトは 2。
n_sentences_after: int、コンテキストに含める回答後の文の数 - オプション、デフォルトは 2。
lexical_interpolation: float、使用する語彙補間の量 - オプション、デフォルトは 0.005。
max_used_search_results: int、使用する検索結果の最大数 - オプション、デフォルトは 10。
generation_preset_name: str、使用する生成プリセットの名前 - オプション、デフォルトは「vectara-summary-table-md-query-ext-jan-2025-gpt-4o」です。
response_language: str、応答の言語 - オプション、デフォルトは「eng」です。
戻り値:
生成された回答と検索結果を含む、Vectara からの応答。
**search_vectara:**生成なしで、Vectara を使用してセマンティック検索クエリを実行します。
引数:
query: str、実行するユーザークエリ - 必須。
corpus_keys: list[str]、検索に使用するVectaraコーパスキーのリスト（必須）。ユーザーに1つ以上のコーパスキーを提供するよう依頼してください。
api_key: str、Vectara API キー - 必須。
n_sentences_before: int、コンテキストに含める回答の前の文の数 - オプション、デフォルトは 2。
n_sentences_after: int、コンテキストに含める回答後の文の数 - オプション、デフォルトは 2。
lexical_interpolation: float、使用する語彙補間の量 - オプション、デフォルトは 0.005。
戻り値:
一致する検索結果を含む、Vectara からの応答。
Claude Desktopによる構成
claude_desktop_config.json に追加します:
Claudeデスクトップアプリでの使用
インストールが完了し、Claudeデスクトップアプリの設定が完了したら、Claudeデスクトップアプリを完全に閉じて再度開き、Vectara-mcpサーバーを確認してください。アプリの左下にハンマーアイコンが表示され、利用可能なMCPツールが表示されます。ハンマーアイコンをクリックすると、Vectara-searchツールとVectara-extractツールの詳細が表示されます。
これで、claude は Vectara-mcp サーバーへの完全なアクセス権（ask-vectora および search-vectora ツールを含む）を取得できます。初めてツールを発行する際、Claude は Vectara API キーとコーパスキー（複数のコーパスを使用する場合はキー）の入力を求めます。これらを設定すれば、準備完了です。以下に、当社のウェブサイトの情報を含む Vectara コーパスを使用した例をいくつか示します。
Vectara RAGの例
Vectaraコーパスのクエリ:
Vectaraコーパスを検索：
謝辞✨
MCP仕様のモデルコンテキストプロトコル
クロード・デスクトップのAnthropic