local-only server

The server can only run on the client’s local machine because it depends on local resources.

Integrations

Provides a vector search implementation using Node.js, enabling semantic search capabilities for documents stored in a LanceDB database.
Leverages Ollama's embedding model (nomic-embed-text) to create custom embedding functions for converting text into vector representations that can be searched.
Supports package management for the MCP server installation and dependency management using pnpm.

LanceDB Node.js 向量搜索

使用 LanceDB 和 Ollama 的嵌入模型进行向量搜索的 Node.js 实现。

概述

该项目演示了如何：

连接到 LanceDB 数据库
使用 Ollama 创建自定义嵌入函数
对存储的文档执行向量相似性搜索
处理并显示搜索结果

先决条件

Node.js（v14 或更高版本）
Ollama 使用nomic-embed-text模型在本地运行
具有读/写权限的 LanceDB 存储位置

安装

克隆存储库
安装依赖项：

pnpm install

依赖项

@lancedb/lancedb ：Node.js 的 LanceDB 客户端
apache-arrow ：用于处理列式数据
node-fetch ：用于向 Ollama 发出 API 调用

用法

运行向量搜索测试脚本：

pnpm test-vector-search

或者直接执行：

node test-vector-search.js

配置

该脚本连接到：

LanceDB 在配置的路径下
Ollama API 位于http://localhost:11434/api/embeddings

MCP 配置

要与 Claude Desktop 作为 MCP 服务集成，请将以下内容添加到您的 MCP 配置 JSON 中：

{
  "mcpServers": {
    "lanceDB": {
      "command": "node",
      "args": [
        "/path/to/lancedb-node/dist/index.js",
        "--db-path",
        "/path/to/your/lancedb/storage"
      ]
    }
  }
}

用您的实际安装路径替换路径：

/path/to/lancedb-node/dist/index.js - 已编译 index.js 文件的路径
/path/to/your/lancedb/storage - 您的 LanceDB 存储目录的路径

自定义嵌入函数

该项目包括一个自定义的OllamaEmbeddingFunction ，它：

向 Ollama API 发送文本
接收 768 维的嵌入
格式化它们以便与 LanceDB 一起使用

向量搜索示例

该示例在“ai-rag”表中搜索“如何定义成功标准”，并显示其相似度分数的结果。

执照

MIT 许可证

贡献

欢迎贡献代码！欢迎提交 Pull 请求。

This server cannot be installed

-

security - not tested

F

license - not found

-

quality - not tested