Skip to main content
Glama
deenesjakoruzh
Knuckles-Team

vector-mcp

by Knuckles-Team
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Hybrid

vector-mcp

ガバナンスされたベクトルコレクション管理と検索のための、Action-routed MCP およびエージェントインターフェースです。 ネイティブのデフォルトは epistemic-graph です。セキュアなオプトインプロバイダーは、PostgreSQL/pgvector、 Qdrant、MongoDB Atlas をカバーしています。

バージョン: 3.1.0

ガバナンス機能

  • MCP ツール: vector_collection_management と vector_search

  • スキルプロバイダー: 統合された vector-mcp-operations ワークフロー

  • オントロジープロバイダー: パッケージ化されたベクトル検索オントロジー

  • ソースコネクタプロバイダー: 読み取り専用のベクトルコレクションインベントリプリセット

  • ランタイム構成: AgentConfig、環境変数、およびシークレット参照

  • プライバシーポスチャ: チェックイン済みのエンドポイント、認証情報、個人情報、ホストパスは一切含まれません

Related MCP server: production-grade-mcp-agentic-system

インストール

デプロイに必要な最小限の extra セットを使用してください:

uvx --from 'vector-mcp[mcp]' vector-mcp

ランタイムには、agent-utilities>=2.0.0 と、その自己完結型の完全な epistemic-graph エンジン契約が必要です。数値のみ、または部分的なエンジンプロファイルだけでは、 サポート対象のデプロイメントにはなりません。

選択したストレージプロバイダーを使用する場合:

uv add 'vector-mcp[postgres]'
uv add 'vector-mcp[qdrant]'
uv add 'vector-mcp[mongodb]'

all extra は、サポートされているすべてのオプションプロバイダーに加えて、エージェント、Langfuse、Logfire ランタイムを有効にします。本番イメージには、実際に運用するプロバイダーのみをインストールしてください。

MCP 構成

このパッケージには、コマンド、condensed ツールモード、ツールトグルのみを含む、中立的な エージェント起動構成が含まれています。ランタイム値は AgentConfig から継承されるか、 運用者によって注入されます。基盤となる API ラッパー、拡張スキーマバインディング、 開発者向け SDK リファレンスの使用方法の詳細は、docs/index.md に記載されています。

MCP

このサーバーは、動的な Action-Routed ツールを利用して、トークンのオーバーヘッドを最適化し、IDE との互換性を最大化します。

利用可能な MCP ツール

ライブ MCP サーバーから自動生成されています — 手動で編集しないでください。

Condensed action-routed ツール (MCP_TOOL_MODE=condensed)

MCP ツール

トグル環境変数

説明

vector_collection_management

COLLECTION_MANAGEMENTTOOL

コレクション管理操作を管理します。

vector_search

SEARCHTOOL

検索操作を管理します。

action-routed ツール 2 件 · verbose 1:1 ツール 0 件。各ツールは、対応する <DOMAIN>TOOL トグルが false に設定されていない限り有効です。MCP_TOOL_MODE はサーフェスを選択します(**intent がデフォルト* — 6 つの動詞ツールからなる、オンデマンドで読み込まれる詳細セット · condensed action-routed · verbose 1:1 · both)。自動生成 — 手動で編集しないでください。*

詳細なツールスキーマ、パラメータ形状、検証制約は、使用ガイド に記載されています。

動的なツールの選択と可視性

この MCP サーバーは、実行時に動的なツールセットの選択と可視性フィルタリングをサポートしています。これにより、公開するツールのセットを制限して、LLM のコンテキストウィンドウが肥大化するのを防ぐことができます。

ツールのフィルタリングは、複数の入力チャネルで構成できます:

  • CLI 引数: 起動時に --tools または --toolsets(または、無効化用の対応引数である --disabled-tools と --disabled-toolsets)を渡します。

  • 環境変数: 標準の環境変数を定義します:

    • MCP_ENABLED_TOOLS / MCP_DISABLED_TOOLS

    • MCP_ENABLED_TAGS / MCP_DISABLED_TAGS

  • HTTP SSE リクエストヘッダー: トランスポート初期化時にカスタムヘッダーを渡します:

    • x-mcp-enabled-tools / x-mcp-disabled-tools

    • x-mcp-enabled-tags / x-mcp-disabled-tags

  • HTTP SSE リクエストクエリパラメータ: トランスポート接続 URL にクエリパラメータを直接追加します:

    • ?tools=tool1,tool2

    • ?tags=tag1

クエリ文字列またはパラメータが指定されると、LLM を使用しない ナレッジグラフ解決レイヤー(DynamicToolOrchestrator を使用)が、クエリの意図を既知のツールタグ、名前、または説明と照合し、安全なフォールバックと 24 時間ごとの自動バックグラウンドキャッシュ更新を行います。

MCP 構成例

コネクタ特化の [mcp] extra をインストールしてください。 例では vector-mcp[mcp] を使用して、 agent-utilities[mcp] 経由で FastMCP / FastAPI を追加しています。必要な Agent Utilities コアには、 引き続き epistemic-graph[full] が含まれます。[agent-runtime] extra は、さらに モデルオーケストレーションを有効にします。

stdio トランスポート(ローカル IDE — Cursor、Claude Desktop、VS Code)

{
  "mcpServers": {
    "vector-mcp": {
      "command": "uvx",
      "args": [
        "--from",
        "vector-mcp[mcp]",
        "vector-mcp"
      ],
      "env": {
        "MCP_TOOL_MODE": "intent",
        "COLLECTION_MANAGEMENTTOOL": "True",
        "DATABASE_TYPE": "epistemic_graph",
        "LLM_SSL_VERIFY": "False",
        "SEARCHTOOL": "True",
        "VECTOR_DB_TYPE": "epistemic_graph"
      }
    }
  }
}

ランタイム参照には、GraphOS のようなエイリアス対応ランチャーが必要です。その他の ランチャーは、これらのエントリを省略し、解決済みの値を独自の ランタイムシークレット境界を通じて注入する必要があります。

Streamable-HTTP トランスポート(ネットワーク / 本番)

{
  "mcpServers": {
    "vector-mcp": {
      "command": "uvx",
      "args": [
        "--from",
        "vector-mcp[mcp]",
        "vector-mcp",
        "--transport",
        "streamable-http",
        "--port",
        "8000"
      ],
      "env": {
        "TRANSPORT": "streamable-http",
        "HOST": "127.0.0.1",
        "PORT": "8000",
        "MCP_TOOL_MODE": "intent",
        "COLLECTION_MANAGEMENTTOOL": "True",
        "DATABASE_TYPE": "epistemic_graph",
        "LLM_SSL_VERIFY": "False",
        "SEARCHTOOL": "True",
        "VECTOR_DB_TYPE": "epistemic_graph"
      }
    }
  }
}

または、事前にデプロイされた Streamable-HTTP インスタンスに url で接続します:

{
  "mcpServers": {
    "vector-mcp": {
      "url": "http://localhost:8000/vector-mcp/mcp"
    }
  }
}

レビュー済みのコンテナイメージを、最小権限の stdio 子プロセスとして実行します (リスナーや公開ポートなし):

docker run -i --rm \
  --read-only \
  --cap-drop=ALL \
  --security-opt=no-new-privileges \
  --pids-limit=256 \
  --tmpfs /tmp:rw,noexec,nosuid,nodev,size=64m \
  -e TRANSPORT=stdio \
  -e MCP_TOOL_MODE=intent \
  -e COLLECTION_MANAGEMENTTOOL=True \
  -e DATABASE_TYPE=epistemic_graph \
  -e LLM_SSL_VERIFY=False \
  -e SEARCHTOOL=True \
  -e VECTOR_DB_TYPE=epistemic_graph \
  registry.example.invalid/vector-mcp@sha256:<digest> vector-mcp

コンテナ化されたネットワーク HTTP の場合は、認証付き TLS イングレス(または サーバー直接の TLS)、正確な MCP_ALLOWED_HOSTS、正確な信頼済みプロキシ CIDR ポリシーを運用者管理のデプロイメントプロファイルを通じて指定してください。 ジェネレーターは、認証されていない非ループバックリスナーを生成しません。

コードから読み取った環境変数サーフェス(MCP_TOOL_MODE + パッケージ変数)から自動生成 — 手動で編集しないでください。

追加のデプロイメントオプション

vector-mcp は、ローカルコンテナ(Docker / Podman / uv)として実行することも、 リモートデプロイメントから利用することもできます。 デプロイメントガイドには、4 つすべてのトランスポート — stdio、 streamable-http、ローカルコンテナ / uv、リモート URL — に対応する、コピー＆ペースト可能な完全な mcp_config.json が含まれています:

  • ローカルコンテナ / uv — uvx、docker run、または podman run を使用して mcp_config.json からサーバーを起動するか、 url でローカルの streamable-http コンテナを指定します。

  • リモート URL — "url" キーを使用して、Caddy の背後にデプロイされたサーバー(https://vector-mcp.example.invalid/mcp)に接続します。

環境変数

パッケージ環境変数

変数

例

説明

HOST

127.0.0.1

PORT

8000

TRANSPORT

stdio

オプション: stdio, streamable-http, sse

ENABLE_OTEL

—

EMBEDDING_TLS_PROFILE_REF

secret://runtime/embedding-tls-profile

AgentConfig EMBEDDING_MODELS と、それが参照するランタイム認証情報を設定します。

LLM_BASE_URL

http://localhost:8000/v1

embedding/LLM API のベース URL

LLM_TOKEN

secret-injected

embedding/LLM エンドポイント用のベアラートークン

LLM_API_KEY

secret-injected

LLM_TOKEN が未設定の場合に受け入れられるエイリアス

LLM_SSL_VERIFY

False

embedding/LLM エンドポイントの TLS を検証します

DOCUMENT_DIRECTORY

—

ファイルシステム取り込みの場合にのみ必須です。実行時にオペレーター所有のルートを指定してください。

DATABASE_TYPE

epistemic_graph

db_type が未指定の場合に使用されるバックエンド。デフォルトはネイティブの epistemic-graph エンジン（ローカル、ゼロインフラ、永続的）です。オプション: epistemic_graph, postgres, mongodb, qdrant。DATABASE_TYPE が正規の変数で、VECTOR_DB_TYPE は後方互換性のためのエイリアスとして受け入れられます。

VECTOR_DB_TYPE

epistemic_graph

DB_HOST

—

postgres/qdrant ホスト

DBNAME

—

postgres/mongodb データベース名

DB_PORT

5432

DB_USERNAME_REF

secret://runtime/db-username

DB_PASSWORD_REF

secret://runtime/db-password

MONGODB_URI_REF

secret://runtime/mongodb-uri

QDRANT_API_KEY_REF

secret://runtime/qdrant-api-key

QDRANT_HTTP_ALLOWED_PRIVATE_HOSTS

—

プライベート Qdrant ホスト用のカンマ区切りの SSRF 許可リスト

COLLECTION_MANAGEMENTTOOL

True

SEARCHTOOL

True

TEST_POSTGRES_CONNECTION_STRING

postgresql://postgres:password@localhost:5432/vectordb

TEST_MONGODB_HOST

localhost

TEST_MONGODB_PORT

27017

TEST_MONGODB_DB

vectordb

TEST_QDRANT_LOCATION

http://localhost:6333

TEST_COUCHBASE_CONNECTION

couchbase://localhost

TEST_COUCHBASE_USER

Administrator

TEST_COUCHBASE_PASSWORD

secret-injected

TEST_COUCHBASE_DB

vector_db

継承された agent-utilities 変数（すべてのコネクタに適用）

変数

例

説明

MCP_TOOL_MODE

intent

ツールサーフェス: intent | condensed | verbose | both

MCP_ENABLED_TOOLS

—

カンマ区切りのツール許可リスト

MCP_DISABLED_TOOLS

—

カンマ区切りのツール拒否リスト

MCP_ENABLED_TAGS

—

カンマ区切りのタグ許可リスト

MCP_DISABLED_TAGS

—

カンマ区切りのタグ拒否リスト

EUNOMIA_TYPE

none

認可モード: none | embedded | remote

EUNOMIA_POLICY_FILE

mcp_policies.json

組み込み Eunomia ポリシーファイル

EUNOMIA_REMOTE_URL

—

リモート Eunomia 認可サーバーの URL

OTEL_EXPORTER_OTLP_ENDPOINT

—

OTLP コレクターエンドポイント

MCP_CLIENT_AUTH

—

アウトバウンド MCP 子認証: oidc-client-credentials | basic | none

OIDC_CLIENT_ID

—

OIDC クライアント ID（サービスアカウント認証）

OIDC_CLIENT_SECRET_REF

secret://identity/oidc-client-secret

OIDC サービスアカウントのランタイムシークレット参照

MCP_BASIC_AUTH_USERNAME

—

HTTP Basic ユーザー名（MCP_CLIENT_AUTH=basic）

MCP_BASIC_AUTH_PASSWORD_REF

secret://identity/mcp-basic-password

HTTP Basic 認証のランタイムシークレット参照（MCP_CLIENT_AUTH=basic）

DEBUG

False

詳細ログ

PYTHONUNBUFFERED

1

バッファリングしない stdout（コンテナで推奨）

MCP_URL

http://localhost:8000/mcp

エージェントが接続する MCP サーバーの URL

PROVIDER

openai

エージェント用の LLM プロバイダー

MODEL_ID

gpt-4o

エージェント用のモデル ID

ENABLE_WEB_UI

True

AG-UI Web インターフェースを提供

31 パッケージ + 20 継承変数。.env.example + 共有 agent-utilities セットから自動生成 — 編集しないでください。

サーバーが読み取るすべての変数を目的別にまとめています。正式なコピー＆ペースト用リストは .env.example を参照してください。ネイティブの epistemic-graph バックエンド用の DATABASE_TYPE / GRAPH_SERVICE_SOCKET / GRAPH_SERVICE_AUTH_SECRET 接続設定も含まれます。オプトインプロバイダー（Postgres/Qdrant/Mongo/Chroma/Couchbase）のバックエンドエンドポイント、データベースの場所、および資格情報は、README に文書化されたリテラル値や MCP ツール引数になることはありません。これらは実行時に AgentConfig と secret:///env:///vault:// 参照を通じて解決されます。

MCP サーバー / トランスポート

変数

説明

デフォルト

TRANSPORT

stdio、streamable-http、または sse

stdio

HOST

バインドホスト（HTTP トランスポート）

0.0.0.0

PORT

バインドポート（HTTP トランスポート）

8000

MCP_TOOL_MODE

ツールサーフェス: condensed、verbose、または both

condensed

MCP_ENABLED_TOOLS / MCP_DISABLED_TOOLS

カンマ区切りのツール許可/拒否リスト

—

MCP_ENABLED_TAGS / MCP_DISABLED_TAGS

カンマ区切りのタグ許可/拒否リスト

—

PYTHONUNBUFFERED

バッファリングしない stdout（コンテナで推奨）

1

ツールの切り替え

各アクションルーティングツールは、対応するトグル環境変数（false に設定）で個別に無効化できます。完全なリストは上記の 利用可能な MCP ツール テーブルにあります。

変数

説明

デフォルト

COLLECTION_MANAGEMENTTOOL

コレクション管理ツールを有効にする

True

SEARCHTOOL

検索ツールを有効にする

True

テレメトリとガバナンス

変数

説明

デフォルト

ENABLE_OTEL

OpenTelemetry エクスポートを有効にする

True

OTEL_EXPORTER_OTLP_ENDPOINT

OTLP コレクターエンドポイント

—

OTEL_EXPORTER_OTLP_PUBLIC_KEY / OTEL_EXPORTER_OTLP_SECRET_KEY

OTLP 認証キー

—

OTEL_EXPORTER_OTLP_PROTOCOL

OTLP プロトコル（例: http/protobuf）

—

EUNOMIA_TYPE

認可モード: none、embedded、remote

none

EUNOMIA_POLICY_FILE

組み込みポリシーファイル

mcp_policies.json

EUNOMIA_REMOTE_URL

リモート Eunomia サーバーの URL

—

Agent CLI（完全な [agent] ランタイムのみ）

変数

説明

デフォルト

MCP_URL

エージェントが接続する MCP サーバーの URL

http://localhost:8000/mcp

PROVIDER

LLM プロバイダー（例: openai）

openai

MODEL_ID

モデル ID（例: gpt-4o）

gpt-4o

ENABLE_WEB_UI

AG-UI Web インターフェースを提供

True

コピー＆ペースト用の出発点として .env.example を参照してください。

プロバイダーとオントロジーの統合

このパッケージは、スキル、プロンプト、オントロジー、およびソースコネクタを Python エントリポイント経由で提供します。コレクションインベントリコネクタは意図的に読み取り専用であり、ドキュメントや埋め込みペイロードではなく、コレクションメタデータを登録します。

生成されたコネクタ署名は、インストール済みの MCP スキーマを確認し、ランタイムでリリース署名キーが提供された後にのみ再作成する必要があります。古いツールスキーマまたはオントロジーからの署名を前方にコピーしてはなりません。

開発チェック

プロバイダーを起動しない低コストのチェック:

python scripts/security_sanitizer.py
python scripts/security_contract.py --contract .security/security-contract.json validate
python -m compileall -q vector_mcp

プロバイダーテストはモック化された SDK 境界を使用し、ネットワーク呼び出しを行いません。ライブ認定は別のデプロイメントゲートであり、オペレーターが提供する AgentConfig とシークレットを使用する必要があります。

ドキュメント

スリムな :mcp streamable-http コンテナ（docker/mcp.compose.yml）は /health チェック付きで :8000 を公開します。完全な compose サービス定義は デプロイ を参照してください。

ライセンス

LICENSE を参照してください。

agent-utilities-deployment でデプロイ

このパッケージを統合された agent-utilities-deployment ワークフローでプロビジョニングします。このワークフローは、インストール済みパッケージ、編集可能ソース、またはイミュータブルコンテナのパスを選択し、AgentConfig にはランタイムシークレットと TLS プロファイルの参照のみを記録します。また、doctor、registration、policy、observability、rollback の各ゲートを実行します。エージェントに 「vector-mcp を agent-utilities-deployment でデプロイ」 と依頼してください。

インストールモード

コマンド

インストール済みパッケージ

uv tool install "vector-mcp[mcp]" を実行し、その後 vector-mcp を実行

編集可能ソース

uv pip install -e ".[agent]" を実行し、その後 vector-mcp を実行

イミュータブルコンテナ

オペレーターが選択したオーケストレーターを通じて registry.example.invalid/vector-mcp@sha256:<digest> をデプロイ

このリポジトリには、デプロイプロファイル、資格情報の値、証明書パス、環境固有のエンドポイントは埋め込まれていません。これらは実行時に AgentConfig と設定済みのシークレットプロバイダーを通じて提供してください。

インストール

実行したいものに合った extra を選択してください:

Extra

インストール内容

使用する場合

vector-mcp[mcp]

スリムな MCP サーバーのみ（agent-utilities[mcp] — FastMCP/FastAPI）

MCP サーバー のみを実行する場合（最小のインストール / イメージ）

vector-mcp[agent]

完全なエージェントランタイム（agent-utilities[agent,logfire] — Pydantic AI + epistemic-graph エンジン）

統合エージェント を実行する場合

vector-mcp[all]

すべて（mcp + すべてのベクターバックエンド + agent）

開発 / 両方のサーフェス

# MCP server only (recommended for tool hosting — slim deps)
uv pip install "vector-mcp[mcp]"

# Full agent runtime (Pydantic AI + epistemic-graph engine)
uv pip install "vector-mcp[agent]"

# Everything (development)
uv pip install "vector-mcp[all]"      # or: python -m pip install "vector-mcp[all]"

コンテナイメージ（:mcp と :agent）

1 つのマルチステージ docker/Dockerfile が、--target で選択される 2 つの適切なサイズのイメージをビルドします:

Image tag

Build target

Contents

Entrypoint

knucklessg1/vector-mcp:mcp

--target mcp

vector-mcp[mcp] — スリム版、エンジン/pydantic-ai/dspy/llama-index/tree-sitter なし

vector-mcp

knucklessg1/vector-mcp:latest

--target agent（デフォルト）

vector-mcp[agent] — フルエージェントランタイム + epistemic-graph エンジン

vector-agent

docker build --target mcp   -t knucklessg1/vector-mcp:mcp    docker/   # slim MCP server
docker build --target agent -t knucklessg1/vector-mcp:latest docker/   # full agent

docker/mcp.compose.yml はスリムな :mcp サーバーを実行し、docker/agent.compose.yml は同じ場所に配置された :mcp サイドカーを伴うエージェント（:latest）を実行します。

ナレッジグラフデータベース（epistemic-graph）

フルエージェント（[agent] / :latest）は、epistemic-graph エンジンを埋め込みます（agent-utilities[agent] 経由で推移的に取り込まれます）。本番環境では — または複数のエージェント間で1つのナレッジグラフを共有するには — epistemic-graph を独立したデータベースコンテナとして実行し、埋め込む代わりにエージェントからそれを参照させてください。デプロイレシピ（シングルノード + Raft HA）、接続設定、データベース全体のアーキテクチャ（図解付き）は、epistemic-graph デプロイメントガイド に文書化されています。スリムな [mcp] サーバーはデータベースを必要としません。

リポジトリオーナー

GitHub followers GitHub User's stars

コントリビュート

コントリビューションを歓迎します！プルリクエストを提出する前に、ローカルチェックを実行してコード品質を確保してください：

  • ruff format . でコードをフォーマットします

  • ruff check . でコードを lint します

  • mypy . で型安全性を検証します

  • pytest でテストスイートを実行します

agent-os-genesis でデプロイ

このパッケージは、スキルガイド付きで、agent-os-genesis ユニバーサルスキル（その シングルパッケージデプロイモード）によってプロビジョニングできます。インストール方法の選択、OpenBao/Vault（または .env）へのシークレットのシード、エンタープライズ CA の信頼設定、MCP サーバーの登録と検証を行います。これは Agent OS 全体を立ち上げるのと同じ仕組みを、このパッケージだけに絞ったものです。エージェントに 「vector-mcp を agent-os-genesis でデプロイ」 と依頼してください。

インストールモード

コマンド

ベアメタル、本番（PyPI）

uvx vector-mcp · または uv tool install vector-mcp

ベアメタル、開発（編集可能）

uv pip install -e ".[all]" · または pip install -e ".[all]"

コンテナ、本番

docker-compose / swarm / podman / podman-compose / kubernetes 経由で knucklessg1/vector-mcp:latest をデプロイ

コンテナ、開発（編集可能）

docker/compose.dev.yml をデプロイ（ソースは /src にマウントされ、再起動時に編集が反映されます）

シークレットは既存のものが読み込まれ、vault_sync 経由でシードされます。不足しているものだけがプロンプトで求められます。

Available Tools

2 tools
vector_collection_managementC

Manage collection management operations.

Actions:

  • 'create_collection': Creates a new collection or retrieves an existing one in the vector database.

  • 'add_documents': Adds documents to an existing collection in the vector database.

  • 'delete_collection': Deletes a collection from the vector database.

  • 'list_collections': Lists all collections in the vector database.

ParametersJSON Schema
NameRequiredDescriptionDefault
hostNohost
portNoport
actionYesAction to perform. Must be one of: 'create_collection', 'add_documents', 'delete_collection', 'list_collections'
confirmNoconfirm
db_nameNodb name
db_pathNodb path
db_typeNodb type
passwordNopassword
usernameNousername
overwriteNooverwrite
document_pathsNodocument paths
collection_nameNocollection name
document_contentsNodocument contents
document_directoryNodocument directory

Output Schema

ParametersJSON Schema
NameRequiredDescription

No output parameters

TDQS

C2.9/5.0
Behavior2/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

No annotations provided, so the description carries full burden. It mentions 'delete_collection' as an action but does not disclose that deletion is destructive or irreversible. It also fails to mention authentication requirements, rate limits, or side effects of adding documents.

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness4/5

Is the description appropriately sized, front-loaded, and free of redundancy?

The description is a concise bullet list of actions, front-loading the main purpose. It uses minimal wording and is easy to scan. Every sentence serves a purpose.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness2/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

Despite high parameter count (14) and no output schema provided (though context says one exists), the description lacks parameter-to-action mappings, usage examples, and behavioral context. It does not explain which parameters are relevant for each action, leaving the agent to rely solely on schema.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters3/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

Schema description coverage is 100%, so baseline is 3. The description lists actions but does not add meaning beyond the schema. Many parameter descriptions (e.g., 'db type', 'host') are vague and not enhanced by the description.

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose4/5

Does the description clearly state what the tool does and how it differs from similar tools?

The description states the tool handles collection management operations and lists four distinct actions with clear names (create_collection, add_documents, delete_collection, list_collections). However, it doesn't explicitly distinguish this tool from its sibling 'vector_search', which may also involve collections.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines2/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

There is no guidance on when to use this tool versus alternatives like vector_search. The description does not specify prerequisites, contexts, or exclude scenarios, leaving the agent to infer usage without support.

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

  1. 2 tool updatesv1.39.0
    • First observedvector_collection_management
    • First observedvector_search
Deploy Server
Context Every Agent Can ShareAgents share what they learn, hand off work, and keep it when you switch models. Start with 5 GB free.fulcradynamics.comAd

TDQS

B3.3/5.0

Scored across 2 tools

Disambiguation5/5

The two tools have clearly distinct purposes: collection management (CRUD operations on collections) and search (semantic, lexical, hybrid). There is no overlap, making it easy for an agent to select the correct tool.

Naming Consistency5/5

All tool names follow a consistent 'vector_' prefix pattern with descriptive suffixes ('collection_management', 'search'). Internal action names are uniformly snake_case, maintaining predictability.

Tool Count3/5

With only 2 tools, the server feels somewhat thin for a vector database MCP. While each tool bundles multiple actions, a few more tools (e.g., separate tools for document operations) would improve organization.

Completeness2/5

The server lacks essential operations such as updating or deleting documents, retrieving collection details, or managing metadata. These gaps would likely cause agent failures in typical workflows.

Maintenance

ActivityActive
ResponsivenessUnresponsive

Resources

Related MCP Connectors

Related MCP Servers

  • Tyra Advanced Memory MCP

    bigrock776
    -
    license
    Not graded
    quality
    Not graded
    maintenance
    A sophisticated MCP server providing advanced memory capabilities with RAG, hallucination detection, and enterprise-grade AI infrastructure for intelligent agent ecosystems.
    -

  • THE RAG MCP

    Sankalp-2005
    F
    license
    Not graded
    quality
    D
    maintenance
    An enterprise-ready MCP server that exposes a RAG tool for retrieving relevant context and metadata from a Qdrant vector database using natural language queries.
    2
    -

Appeared in Searches