Servidor MCP de Lindorm

Este repositorio es un ejemplo de cómo crear un servidor MCP para Lindorm, una base de datos NoSQL multimodelo.

Uso

Configuración en lindorm

Para utilizar este servidor MCP, siga estos pasos:

1. Compre el motor de tabla ancha, el motor de búsqueda, el motor vectorial y el motor de inteligencia artificial Lindorm en Alibaba Cloud .

2. Implemente un modelo de incrustación de texto siguiendo las instrucciones oficiales .

3. Cree su índice (base de conocimiento) e importe sus datos utilizando el modelo de incrustación implementado.

Related MCP server: Alibaba Cloud RDS OpenAPI MCP Server

Configuración del entorno

1. Clone este repositorio y navegue hasta el directorio del proyecto.

2. Crea tu archivo de entorno:

cp .env.example .env

3. Edite el archivo .env con su configuración específica:

• LINDORM_INSTANCE_ID: su ID de instancia de Lindorm

• USING_VPC_NETWORK: Establézcalo como verdadero si se ejecuta en la red VPC; de lo contrario, como falso.

• NOMBRE DE USUARIO: Su nombre de usuario de la cuenta de Lindorm

• CONTRASEÑA: La contraseña de su cuenta de Lindorm

• TEXT_EMBEDDING_MODEL: El nombre de su modelo de incrustación de texto implementado

• TABLE_DATABASE: La base de datos para operaciones SQL Nota: Esta configuración asume que todos los motores comparten el mismo nombre de usuario y contraseña.

Ejecución del servidor MCP

Debes instalar uv . Inicia directamente el servidor MCP.

cd /path/to/alibabacloud-lindorm-mcp-server/

uv pip install .

uv run python -m src.lindorm_mcp_server.server

Código de Visual Studio

1. Instalar la extensión Cline.

2. Cree el archivo .env en /path/to/alibabacloud-lindorm-mcp-server/

3. Copie la configuración de MCP de .vscode/mcp.json a cline_mcp_settings.json, reemplazando rutas y variables según sea necesario.

4. Inicie el servidor MCP a través de la extensión Cline.

Componentes

• LindormVectorSearchClient : realiza búsquedas de texto completo y vectoriales en los motores de búsqueda y vectores.

• LindormWideTableClient : ejecuta operaciones SQL en tablas anchas de Lindorm.

Herramientas disponibles

• lindorm_retrieve_from_index : recupera de un índice existente (o base de conocimiento) utilizando tanto la búsqueda de texto completo como la búsqueda vectorial, y devuelve los resultados agregados

  • Parámetros

    • index_name: el nombre del índice, o conocido como nombre de la base de conocimientos

    • consulta: la consulta que desea buscar en la base de conocimientos

    • content_field: el campo de texto que almacena el texto del contenido. Se puede obtener de la estructura de índice con la herramienta lindorm_get_index_mappings.

    • vector_field: el campo vectorial que almacena el índice del vector. Puede obtenerlo de la estructura del índice con la herramienta lindorm_get_index_mappings.

    • top_k: el número de resultado que desea devolver

• lindorm_get_index_fields : obtiene la información de los campos de los índices (o base de conocimiento), especialmente obtiene el campo almacenado en vector y el campo almacenado en contenido.

  • Parámetros:

    • index_name: el nombre del índice, o conocido como nombre de la base de conocimientos

• lindorm_list_all_index : enumera todos los índices (o bases de conocimiento) que tiene.

• lindorm_execute_sql : ejecuta una consulta SQL en la base de datos Lindorm.

  • Parámetros

    • consulta: La consulta SQL a ejecutar que comienza con select

• lindorm_show_tables : Obtener todas las tablas en la base de datos de Lindorm

• lindorm_describe_table : Obtener el esquema de las tablas en la base de datos Lindorm

  • Parámetros

    • table_name: el nombre de la tabla