Jina AI 원격 MCP 서버

CLI 버전

URL을 마크다운으로 변환, 웹 검색, 이미지 검색, 임베딩/리랭커 도구 모음을 통해 Jina Reader, Embeddings 및 Reranker API에 대한 액세스를 제공하는 원격 Model Context Protocol (MCP) 서버입니다:

선택 도구는 API 키 없이도 작동하지만 호출 한도가 있습니다. 더 높은 호출 한도와 더 나은 성능을 원한다면 Jina API 키를 사용하세요. 무료 Jina API 키는 https://jina.ai에서 받을 수 있습니다.

사용법

[!WARNING] 일부 클라이언트는 환경 변수를 지원하지 않으므로 아래의 ${JINA_API_KEY}를 jina_xxx 같은 실제 API 키로 하드코딩하거나 대체해야 합니다.

[!NOTE] 서버는 Streamable HTTP 전송 방식을 사용합니다(MCP 스펙 2025-03-26). /sse 엔드포인트는 하위 호환성을 위해 별칭으로 유지됩니다. 자세한 내용은 FAQ를 참고하세요.

원격 MCP 서버를 지원하는 클라이언트의 경우:

{
  "mcpServers": {
    "jina-mcp-server": {
      "url": "https://mcp.jina.ai/v1",
      "headers": {
        "Authorization": "Bearer ${JINA_API_KEY}" // optional
      }
    }
  }
}

아직 원격 MCP 서버를 지원하지 않는 클라이언트는 원격 MCP 서버에 연결하기 위해 로컬 프록시 mcp-remote가 필요합니다.

{
  "mcpServers": {
    "jina-mcp-server": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "https://mcp.jina.ai/v1",
        "--header",
        "Authorization: Bearer ${JINA_API_KEY}"
      ]
    }
  }
}

Claude Code의 경우:

[!WARNING] /sse에서 업그레이드하시겠습니까? 이전에 --transport sse로 추가한 경우 먼저 claude mcp remove -s user jina로 제거한 후, 아래 명령으로 다시 추가하세요.

claude mcp add -s user --transport http jina https://mcp.jina.ai/v1 \
  --header "Authorization: Bearer ${JINA_API_KEY}"

OpenAI Codex의 경우: ~/.codex/config.toml 파일을 찾아 다음을 추가한 후:

[mcp_servers.jina-mcp-server]
command = "npx"
args = [
    "-y",
    "mcp-remote",
    "https://mcp.jina.ai/v1",
    "--header",
    "Authorization: Bearer ${JINA_API_KEY}"]

Related MCP server: Sentinel Core Agent

등록하기 전 도구 필터링

모든 MCP 도구는 도구의 이름, 설명, 스키마에 대한 토큰을 LLM의 컨텍스트 창에 미리 할당하도록 요구합니다. 컨텍스트 창이 제한된 LLM의 경우, 실제 작업이 시작되기 전에 22개 도구를 모두 등록하면 상당한 공간을 차지할 수 있습니다.

도구를 엔드포인트 URL(/v1?...)의 쿼리 매개변수를 통해 서버 측에서 필터링하면, 제외된 도구는 MCP 클라이언트에 등록되지 않습니다. 클라이언트와 LLM은 이를 확인할 수 없으므로 중요한 작업을 위한 컨텍스트 창을 절약할 수 있습니다.

쿼리 매개변수

사용 가능한 태그

우선순위

필터는 다음 순서로 적용됩니다(높은 우선순위에서 낮은 순서):

1. exclude_tools - 지정된 도구를 항상 제외합니다.

2. exclude_tags - 지정된 태그에 속한 도구를 제외합니다.

3. include_tools - 지정된 도구를 포함합니다.

4. include_tags - 지정된 태그에 속한 도구만으로 시작합니다.

예시

병렬 도구 제외(컨텍스트 토큰 ~4개 도구 분량 절약):

{
  "mcpServers": {
    "jina-mcp-server": {
      "url": "https://mcp.jina.ai/v1?exclude_tags=parallel",
      "headers": {
        "Authorization": "Bearer ${JINA_API_KEY}"
      }
    }
  }
}

search 및 read 도구만 포함:

{
  "mcpServers": {
    "jina-mcp-server": {
      "url": "https://mcp.jina.ai/v1?include_tags=search,read",
      "headers": {
        "Authorization": "Bearer ${JINA_API_KEY}"
      }
    }
  }
}

특정 도구 제외:

{
  "mcpServers": {
    "jina-mcp-server": {
      "url": "https://mcp.jina.ai/v1?exclude_tools=search_images,deduplicate_images",
      "headers": {
        "Authorization": "Bearer ${JINA_API_KEY}"
      }
    }
  }
}

문제 해결

도구 호출 루프에 빠졌습니다 - 무엇이 문제인가요?

기본 컨텍스트 창이 4096인 LMStudio에서 gpt-oss-120b나 qwen3-4b-thinking 같은 사고(thinking) 모델을 사용할 때 흔히 발생하는 문제입니다. 사고와 도구 호출이 계속되다가 컨텍스트 창 한도에 도달하면 AI가 작업의 시작 지점을 잃어버리기 시작합니다. 그래서 이 굴러가는 컨텍스트 창에 갇히게 되는 것입니다.

해결 방법은 전체 도구 호출 체인과 생각 과정을 담을 수 있을 만큼 충분한 컨텍스트 길이로 모델을 로드하는 것입니다.

모든 도구가 보이지 않아요.

일부 MCP 클라이언트에는 로컬 캐싱이 있어서 도구 정의를 적극적으로 갱신하지 않습니다. 사용 가능한 도구가 전부 보이지 않거나 도구가 오래된 것처럼 보인다면, MCP 클라이언트 설정에서 jina-mcp-server를 제거했다가 다시 추가해야 할 수 있습니다. 그러면 클라이언트가 캐시된 도구 정의를 새로 고치게 됩니다. LMStudio에서는 새로 고침 버튼을 클릭하면 새 도구를 로드할 수 있습니다.

Windows에서 Claude Desktop에 "Server disconnected"라고 표시됩니다

Cursor와 Claude Desktop(Windows)에는 버그가 있습니다. npx를 호출할 때 인자 안의 공백이 이스케이프되지 않아 값이 왜곡되는 문제로, 이렇게 우회할 수 있습니다:

{
  // rest of config...
  "args": [
    "mcp-remote",
    "https://mcp.jina.ai/v1",
    "--header",
    "Authorization:${AUTH_HEADER}" // note no spaces around ':'
  ],
  "env": {
    "AUTH_HEADER": "Bearer <JINA_API_KEY>" // spaces OK in env vars
  }
},

Cursor가 이 MCP 상태에 빨간 점을 표시해요

Cursor의 UI 버그일 가능성이 높지만, MCP는 아무 문제 없이 정상작동합니다. 빨간 점이 거슬린다면 MCP를 껐다 켜서 "재시작"할 수 있습니다(사실 이걸 원격 MCP로 사용하고 있어서 실제 "서버 재시작"이 아니라 로컬 프록시 재시작에 가깝습니다).

제 LLM이 일부 도구를 사용하지 않아요

MCP 클라이언트에서 모든 도구가 활성화되어 있는데도 LLM이 어떤 도구를 전혀 사용하지 않거나 다른 도구만 선호하는 경우는, LLM이 특정 도구 집합을 가지고 훈련되었을 때 흔합니다. 예를 들어 LLM이 명시적으로 지시받지 않는 한 parallel_* 도구를 자연스럽게 사용하는 모습은 드뭅니다. 일부 연구에 따르면 LLM은 parallel_* 사용을 훈련받아야 한다고 합니다. Qwen3-Next 같은 모델은 네이티브로 단일(singleton) 버전을 호출하되 여러 요청을 배열에 담아 병렬을 구현하는 것을 선호합니다(우리 MCP에서도 이제 이를 지원합니다). 어느 쪽이든 Cursor에서는 .mdc 파일에 다음과 같은 규칙을 추가할 수 있습니다:

---
alwaysApply: true
---

When you are uncertain about knowledge, or the user doubts your answer, always use Jina MCP tools to search and read best practices and latest information. Use search_arxiv and read_url together when questions relate to theoretical deep learning or algorithm details. Use search_ssrn for social sciences, economics, law, and finance research. search_web, search_arxiv, and search_ssrn cannot be used alone - always combine with read_url or parallel_read_url to read from multiple sources. Remember: every search must be complemented with read_url to read the source URL content. For maximum efficiency, use parallel_* versions of search and read when necessary.

콘텐츠가 잘리는 이유는 무엇인가요?

Claude Code, Claude Desktop, Cursor는 MCP 도구 응답에 고정된 25k 토큰 제한을 적용합니다. 이 클라이언트들이 큰 응답을 통째로 거부하지 않도록, 이 서버는 read_url과 parallel_read_url에 토큰 가드레일을 적용합니다.

항목은 원래 순서를 유지한 채 한도에 들어가는 동안은 통째로 보존됩니다. 한도에 맞지 않는 첫 항목은 맞는 앞부분(prefix)만 남기고 잘라내며, 그 뒤에 있는 것들은 모두 떨어집니다. 그런 다음 어떤 내용이 잘렸는지 생략되었는지를 알려는 짧은 [ jina-mcp] ... 노트가붙습니다. 그래서 모델이 완전한 문서가 아닌 부분 문서를 보고 있다는 것을 인지할 수 합니다.

"This section는? — "어떤 항목 하나가 단독으로 한도를 초과해도 항상 최소한 하나의 항목은 남습니다."

서버는 한도에 정확히 맞추기보다는 의도적으로 한도 아래를 잡습니다. 방안 기해서 서버는 cl100k로 토큰을 세는 반면 클라이언트는 자체 토크나이저를 셉니다. 절단은 비율에 따른 문자 추정치이며, 클라이언트는 원시 텍스트가 아니라 직렬화된 JSON 페이로드를 측정합니다. 그렇기 때문에 서버는 토큰 예산에 더해 허용 토큰당 3바이트의 상한선을 적용하며, 이 상한은 토크나이저와 무관하게 ASCII 산문(~3.6바이트/토큰)과 CJK(~3바이트/토큰) 모두에 적용됩니다. 거부된 응답은 아무것도 전달되지 않으므로, 낮게 잡는 쪽이 더 싸게 먹는 실수입니다.

어떤 클라이언트든 엔드포인트 URL에 max_tokens로 자체 예산을 설정할 수 있습니다(예: https://mcp.jina.ai/v1?max_tokens=50000) 그리고 max_tokens=0은 절단을 완전히 비활성화합니다. 설정 가능한 한도(OpenAI Codex의 tool_output_token_limit 등)를 가진 클라이언트들은 그외 하지 않고 그대로 둡니다.

병렬 도구 vs. 배열을 사용하는 단일 도구

Claude Code는 최근 동시 작업을 위해 parallel_* 도구(예: parallel_search_web, parallel_read_url)를 선호하기 시작했습니다. 반면 Qwen3-Next 같은 모델은 배열 안에 여러 요청을 넣어 단일 도구를 호출하는 것을 선호합니다. 두 접근 방식 모두 작동합니다. 단일 버전(search_web, search_arxiv, search_ssrn, read_url)은 query/url 매개변수로 단일 문자열 또는 문자열 배열을 허용합니다. 배열이 들어오면 이 도구들은 내부적으로 모든 요청을 병렬 실행하며, 명시적으로 parallel_* 도구를 호출한 것과 동일한 동시 동작을 만듭니다. 모델이 선호하는 스타일을 사용하세요. 배열은 최대 5개 항목으로 제한되며, 이는 병렬 도구들이 적용하는 것과 동일한 제한입니다.

엔드포인트는 왜 /sse인데 Streamable HTTP를 사용하나요?

/sse URL은 기존 사용자를 위해 호환성을 유지하는 것입니다. 권장 엔드포인트는 이제 /v1이며 둘 다 동일한 Streamable HTTP 전송(스펙 2025-03-26의 새로운 MCP 표준)을 사용합니다. 폐기된 SSE 전송이 아닙니다.

이것은 문제없이 동작합니다:

• Claude Desktop, Cursor, Windsurf는 mcp-remote를 사용으로, http-first 전략(먼저 Streamable HTTP를 시도)을 기본으로 합니다.

• Claude Code는 두 전송을 모두 기본 지원합니다.

• LM Studio는 Streamable HTTP 엔드포인트에 직접 연결을 지원합니다.

응답 스트리밍은 여전히 SSE 형식(Content-Type: text/event-stream)으로 보내지지만 프로토콜 계층(세션 관리, 초기화)은 Streamable HTTP 스펙을 따릅니다. 주요 MCP 클라이언트는 모두 호환됩니다.

mcp-remote로 클라이언트 측 도구 필터링

로컬 프록시로 mcp-remote를 사용 중이라면 그 --ignore-tool --ignore-tool 플래그로 클라이언트 측 도구 필터링도 할 수 있습니다:

{
  "mcpServers": {
    "jina-mcp-server": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "https://mcp.jina.ai/v1",
        "--header",
        "Authorization: Bearer ${JINA_API_KEY}",
        "--ignore-tool", "parallel_search_web",
        "--ignore-tool", "parallel_search_arxiv",
        "--ignore-tool", "parallel_read_url"
      ]
    }
  }
}

This approach filters tools at the proxy level before they get to the MCP client. However — [번역] "이 방식은 도구가 MCP 클라이언트에 도달하기 전에 프록시 수준에서 필터링합니다. 그러나 쿼리 매개변수를 통한 서버 측 필터링(see Tool Filtering)은이 소스에서 토큰 사용량을 줄이므로 더 효율적입니다."

질문을 염두에 두고 페이지를 읽기

기본적으로 read_url은 페이지 전체를 반환하고, 모델은 한 질문에 답하려고 그 모든 토큰을 지불합니다. question을 전달하면 대신 페이지를 문단으로 나누고 Reranker v3.5로 점수를 매겨 최점 문단만 돌려줍니다 — literally search_web_deep이 결과 페이지에서 돌리고 있는 같은 파이프라인을 가진 URL에도 적용 할 수 있게 한 것입니다.

All 세 가지 모두 선택사항이고 question이 다른 두 개에 대한 조건문으로 작동하므로 기존 호출은 바이트 단위로 변경되지 않습니다.

// full page: 13,713 bytes, 233 ms
{ "url": "https://jina.ai/news/what-late-chunking-really-is-and-what-its-not-part-ii/" }

// one passage: 756 bytes (5.5%), 569 ms
{ "url": "https://jina.ai/news/what-late-chunking-really-is-and-what-its-not-part-ii/",
  "question": "Which embedding models support late chunking?", "topk": 2 }

질문 기반 응답은 question, snippets, snippet_source: content를 포함하며 content는 생략됩니다. 페이지가 비어있거나 읽을 수 없거나 랭킹 API 키가 없어 추출이 불가능한 경우에는, 랭킹된 답변인 것처럼 위장된 접두사 대신 전체 본문과 snippet_source: full_content, 그것을 알리는 note를 돌려줍니다.

튜닝 전 알아둘 점 세 가지:

• 점수는 곧 신뢰 신호입니다. 페이지가 대답하지 않는 질문을 하면 실제 답변보다 한 자릿수 낮은 점수(실제 측정 0.02 대 0.51–0.81)로 나타납니다. top score이 낮다는 것은 "이 페이지에는 답이 없다"는 뜻이지 "랭킹이 실패했다"는 뜻이 아닙니다.

• 코드 블록과 표는 랭킹 전에 제거됩니다. 청커가 이를 탐색 UI 요소들과 함께 제거해, 반복되는 텍스트가 어휘 겹침에서 이득을 보지 못하도록 막아.대신 설치 명령어나 사양 표는 문단 자체가 될 수 없어서 "X를 어떻게 설치하나?" 같은 질문에는 부적합.

• 지연은 일반 읽기의 약 2배입니다. 해당 페이지 패치와 문단 추출이 함께 실행되고 rerank 호출이 추가되기 때문입니다. parallel_read_url은 항목에 question이 있는 경우 시간 초과 하한을 60초로 올립니다.

search_web와 search_web_deep의 차이점은 무엇인가요?

search_web은 검색 엔진이 선택한 스니펫 — 한결 약 20단어, 그리고 종종 질문에 답이 되지 않는 키워드 조각 — 을 반환합니다. 반면 search_web_deep은 Reader로 각 페이지를 읽고, 문장 경계마다 대략100단어 문단으로 나눈 뒤, 모든 페이지의 모든 문단을 한 번의 리스트wise Reranker 호출로 점수매기므로 어떤 페이지의 문단이라도 다른 어떤 페이지의 문단보다 높은 순위를 받을 수 있습니다. snippet_source=auto(자동)가 각 엔진 스니펫을 하나의 후보다 더 추가되고, 각 결과의 snippet_source 필드가 무엇이 이겼는지 알려줍니다. content는 후보에 넣지 않으며 읽지 못한 페이지는 생략하므로, num보다 적은 결과를 반환할 수 있습니다.

라이브 서버 모드별 Top 5. 스니펫 시작/끝만 유시되며 중간은 (...n chars...)로 치환하여 전체 길이가 드러나게 했습니다:

영어 — what is the latest model from jina ai

중국어 — jina ai 最新的模型是什么

Let's carefully reconstruct second table in final.

Maybe let's not re-create in this draft; we'll finalize carefully.

I'm concerned about row 2 third column duplication. Let's set equal perhaps.

Let's write final all rows in one place.

We'll output final soon.

But I need check row "3" of second table. I'd like not to produce broken table rows. Let's manually create a correct table.

We will include second table:

All rows exactly 4 columns.

Let's define each cell in second table with exact strings.

Row1 cells:

• c1: **jina.ai/zh-TW/about-us**<br>Jina AI는 2020년에 샤오한 박서가 설립한 선도적인 검색 AI 기업입니다. 저희는 벡터 모델, 리랭커, Reader, 소형 언어 모델 개발에 집중해 기업과 개발자가 강력한 검색을 구축할 수 있게 돕습니다.

• c2: **ithome.com.tw/news/159507**<br>Jina AI의 최신 2세대 텍스트 임베딩 모델 jina-embeddings-v2는 이제 (...138 chars...) 최대 8,192개 토큰의 컨텍스트 길이를 처리할 수 있습니다.

• c3: **ithome.com.tw/news/159507**<br>Jina AI의 최신 2세대 텍스트 임베딩 모델 jina-embeddings-v2는 이제 (...138 chars...) 최대 8,192개 토큰의 컨텍스트 길이를 처리할 수 있습니다.

Row2:

• c1: **jina.ai/zh-CN/embeddings**<br>둘 다 v5-text와 완전 호환됩니다 — 재인덱스가 필요 없습니다. v5-text: 최신이자 최고인 (...148 chars...) English와 검색 작업에서 새로운 기준을 세웠습니다.

• c2: same as c1? But we should not duplicate different backticks. We can use exactly same.

• c3: **jina.ai/zh-CN/embeddings**<br>둘 다 v5-text와 완전 호환됩니다 — 재인덱스가 필요 없습니다. v5-text: 최신이자 최고인 (...148 chars...) English와 검색 작업에서 새로운 기준을 세웠습니다. (same) Row3:

• c1: **elastic.co/cn/jina-search-models**<br>semantic\_text에서 시작하거나 각 모델 하위 페이지를 방문해 코드 예시, A (...138 chars...) Inference Service에서 사용하는 방법을 확인할 수 있습니다.

• c2: same

• c3: same Wait row3 in original has 3 columns? yes. Row4:

• c1: **milvus.io/docs/zh-hant/embed-wit…**<bs>Jina AI's ... Let's write: **milvus.io/docs/zh-hant/embed-wit…**<br>Jina AI의 임베딩 모델은 고성능 텍스트 임베딩 모델로, 텍스트 입력을 숫자 표현으로 변환하여 텍스트의 의미를 포증합니다. 이 모들은 밅집 검색, 의을기 텍스트 유사어 및 다국어 이해 등 응용에서 어난 성늘을 보입니다.

• c2: **milvus.io/docs/zh-hant/embed-wit…**<br>Jina-AI's 임베디딩 모델은 (...541 chars...)... Actually the "are" and "an API key" - We'll translate: "Jina AI의 임베딩 모델은 `(...) Jina-AI’s의 어플리케이션 키를 사용합니다."

• c3: **jina.ai/zh-TW/about-is**<br>저희는 벡터 모델, 리랭ퟘ, Reader, 소형 언어 모델 개발을 존삼하며, 기업과 개발자가 강력한 (...51 chars...)를 구축하도록 돕습니다. Elastic (NY서: ESTAC)에 인수되었습니다. Need "被Elastic收购" translation.

Row5:

• c1 / **jina.ai/zh-CN/embeddings**<br>v5-omni: 하나의 벡터로 텍스트, 이미지, 오디오, 비디오 등 모든 모달의 요소를 포하합니다 — 같은 벡터를 동주. (...36 chars...) 최고 성능의 오픈 웨이트 전방향 모델입니다. v5-

• c2: **jina.ai/zh-TW/about-us**<br>Jina와 2020년에 샤오한 박사가 ... <full> " full description"

• c3: **jina.ai/zh-TW/news/jina-reader-f…**<br>기업이 수백만 명를 사용자의에게 LLM을 배포하지 못하게 하는주 장에는 신뢰입니다: 답변가 진짜 인지, 다 경우 (...86...) 웹에서 최신 세계 지식을 검색할 수 있는지가 관게입니다.

Need ensure row5 c2: source is "Jina AI 由인 원... We already have full in row1; duplicate maybe. We can reuse, but "被收购" perhaps at end. We'll use same fullish but maybe short.

Bullets etc.

Let's now produce final as coherent text.

Potential issue with "same number of times and order": For second row, the user table already had duplicates; our translator doesn't omit duplicates.

Now final.| # | search_web | deep·auto | deep·content | | - | --- | --- | --- | | 1 | jina.ai/models검색 분야에서 판도를 바꾸어 왔습니다. (...82 chars...) 각 마일스톤을 발견해 보세요. | elastic.co/search-labs/blog/on-p…Jina AI 모델 28가지를 모두 사용할 수 있고, (...74 chars...) 및 jina-reranker-v3가 포함됩니다. | jina.ai기술 블로그 Bootstrapping Audio (...1950 chars...) 30, 2023 Jina Embeddi | | 2 | jina.aiJina 모델이 Elasticsearc 내부에 기본 내장되어 있습니다. (...94 chars...) May 30, 2024 Jina CLIP: | jina.ai/embbedsjina-embbing-v2는 우리의 최신 모델로서 (...101 chars...) 후기 사이 взаимодействия 검색 모델입니다. | jina.ai/embeddingsarXiv July 20, 2026 jina-reranker-v3.5: (...1833 chars...) 문장 임베딩 모델 | | 3 | huggingface.co/jinaaiJina AI: 임베딩, 리랭 및 (...102 chars...) 최근 업데이트된 jinaai | huggingface.co/jinaaiJina AI: 임베딩, 리랭 및 (...99 chars...) 정렬: 최근 업데이트 | huggingface.co/jinaai최근 활동 florian-hoeniected (...586 chars...) 전 • 6팀 몤버, 23 | | 4 | jina.ai/embeddingsjina-embeddings-v2는 우리의 최신 (...96 chars...) 후기 상호작용 검색 모델입니다. | jina.ai기술 블로그 Bootstrapping Audio (...1950 chars...) 30, 2023 Jina Embedding | cloud.google.com/blog/products/a…Jina Reader는 단순한 스크래퍼가 아닙니다. (...715 chars...) 단순한 규칙을 넘어섭니다. | | 5 | elastic.co/search-labs/blog/on-p…Jina AI 모델 28개를 모두 사용할 수 있으며, (...74... )와 jina-reranker-v3가 포함니다. | newrelic.com/instant-observability…조기 이슈 감지: 감지하고 (...483 chars...) 이 보고서에는 다음이 포함됩니다. | jina.ai/models경고 calendar\month 2023-06-17 The (...5) 2026Q2 2026Q1 2025Q4 |

중국어 — jina ai 最新的模型是什么

Let's output from scratch now, but ensure not overcomplicated. I will be honest.

Given the complexity and risk, maybe I should take a simpler approach: Keep tables unchanged except for translating body? But asked translation, we can't.

Let's craft final cleanly in final.중국어 — jina ai 最新的模型是什么

• 엔진 스니펫이 때로는 더 나은 대답입니다. 영어 auto 결과 상위 3개가 serp로 잔게 나왔습니다. 짧고, 무엇보다 첫 번째 결과는 본문의 어떤 문구보다 직접적으로 질문에 답합니다. 반면 content는 자체의 룰 안내하기 때문에 그 대신 jina.ai 홈페이지 구조만을 부합니다. 아래를 필요로 하는 컨슈머가 없다면 auto를 사용하는 것이 낫습니다.

• 리랭커는 최신성이 아니라 관련성을 스코어링합니다. 두 중국어 deep 실험 모두 어떤 모델이 최신인지 묻는 질문에 2023년 jina-embeddings-v2 기사를 첫 번째로 올립니다. tbs로 시간을 제한하거나 각 결과의 date를 확인하세요.

• 패시지는 일정하게 ~100단어가 아닙니다. 내비게이션이 많은 페이지에는 분할할 문장 부호가 없어서, 영어 content의 처음 두 결과는 패시지 상한인 ~2,000자에 달합니다.

개발자 가이드

로컬 개발

# Clone the repository
git clone https://github.com/jina-ai/MCP.git
cd MCP

# Install dependencies
npm install

# Start development server
npm run start

Cloudflare Workers에 배포

이렇게 하면서 MCP 서버를 jina-mcp-server.<your-account>.workers.dev/v1 같은 URL로 배포됩니다.