Skip to main content
Glama
sirmews

mcp-pinecone

by sirmews

Servidor de protocolo de contexto del modelo Pinecone para Claude Desktop.

insignia de herrería

PyPI - Descargas

Leer y escribir en un índice Pinecone.

Componentes

flowchart TB
    subgraph Client["MCP Client (e.g., Claude Desktop)"]
        UI[User Interface]
    end

    subgraph MCPServer["MCP Server (pinecone-mcp)"]
        Server[Server Class]
        
        subgraph Handlers["Request Handlers"]
            ListRes[list_resources]
            ReadRes[read_resource]
            ListTools[list_tools]
            CallTool[call_tool]
            GetPrompt[get_prompt]
            ListPrompts[list_prompts]
        end
        
        subgraph Tools["Implemented Tools"]
            SemSearch[semantic-search]
            ReadDoc[read-document]
            ListDocs[list-documents]
            PineconeStats[pinecone-stats]
            ProcessDoc[process-document]
        end
    end

    subgraph PineconeService["Pinecone Service"]
        PC[Pinecone Client]
        subgraph PineconeFunctions["Pinecone Operations"]
            Search[search_records]
            Upsert[upsert_records]
            Fetch[fetch_records]
            List[list_records]
            Embed[generate_embeddings]
        end
        Index[(Pinecone Index)]
    end

    %% Connections
    UI --> Server
    Server --> Handlers
    
    ListTools --> Tools
    CallTool --> Tools
    
    Tools --> PC
    PC --> PineconeFunctions
    PineconeFunctions --> Index
    
    %% Data flow for semantic search
    SemSearch --> Search
    Search --> Embed
    Embed --> Index
    
    %% Data flow for document operations
    UpsertDoc --> Upsert
    ReadDoc --> Fetch
    ListRes --> List

    classDef primary fill:#2563eb,stroke:#1d4ed8,color:white
    classDef secondary fill:#4b5563,stroke:#374151,color:white
    classDef storage fill:#059669,stroke:#047857,color:white
    
    class Server,PC primary
    class Tools,Handlers secondary
    class Index storage

Recursos

El servidor implementa la capacidad de leer y escribir en un índice Pinecone.

Herramientas

  • semantic-search : busca registros en el índice Pinecone.

  • read-document : Lee un documento del índice de Pinecone.

  • list-documents : enumera todos los documentos en el índice de Pinecone.

  • pinecone-stats : obtiene estadísticas sobre el índice Pinecone, incluidos la cantidad de registros, dimensiones y espacios de nombres.

  • process-document : Procesa un documento en fragmentos y los inserta en el índice de Pinecone. Esto realiza los pasos generales de fragmentación, incrustación y inserción.

Nota: Las incrustaciones se generan mediante la API de inferencia de Pinecone y la fragmentación se realiza con un fragmentador basado en tokens. Escrito copiando gran parte de langchain y depurando con Claude.

Related MCP server: Pinecone MCP Server

Inicio rápido

Instalación mediante herrería

Para instalar Pinecone MCP Server para Claude Desktop automáticamente a través de Smithery :

npx -y @smithery/cli install mcp-pinecone --client claude

Instalar el servidor

Se recomienda utilizar uv para instalar el servidor localmente para Claude.

uvx install mcp-pinecone

O

uv pip install mcp-pinecone

Agregue su configuración como se describe a continuación.

Escritorio de Claude

En MacOS: ~/Library/Application\ Support/Claude/claude_desktop_config.json En Windows: %APPDATA%/Claude/claude_desktop_config.json

Nota: Es posible que necesites usar la ruta directa a uv . Usa which uv para encontrar la ruta.

Configuración de servidores no publicados/desarrollo

"mcpServers": {
  "mcp-pinecone": {
    "command": "uv",
    "args": [
      "--directory",
      "{project_dir}",
      "run",
      "mcp-pinecone"
    ]
  }
}

Configuración de servidores publicados

"mcpServers": {
  "mcp-pinecone": {
    "command": "uvx",
    "args": [
      "--index-name",
      "{your-index-name}",
      "--api-key",
      "{your-secret-api-key}",
      "mcp-pinecone"
    ]
  }
}

Regístrate en Pinecone

Puedes registrarte para obtener una cuenta Pinecone aquí .

Obtener una clave API

Cree un nuevo índice en Pinecone, reemplazando {your-index-name} y obtenga una clave API del panel de Pinecone, reemplazando {your-secret-api-key} en la configuración.

Desarrollo

Construcción y publicación

Para preparar el paquete para su distribución:

  1. Sincronizar dependencias y actualizar el archivo de bloqueo:

uv sync
  1. Distribuciones de paquetes de compilación:

uv build

Esto creará distribuciones de origen y de rueda en el directorio dist/ .

  1. Publicar en PyPI:

uv publish

Nota: Deberás configurar las credenciales de PyPI a través de variables de entorno o indicadores de comando:

  • Token: --token o UV_PUBLISH_TOKEN

  • O nombre de usuario/contraseña: --username / UV_PUBLISH_USERNAME y --password / UV_PUBLISH_PASSWORD

Depuración

Dado que los servidores MCP se ejecutan en stdio, la depuración puede ser complicada. Para una experiencia óptima, recomendamos usar el Inspector MCP .

Puede iniciar el Inspector MCP a través de npm con este comando:

npx @modelcontextprotocol/inspector uv --directory {project_dir} run mcp-pinecone

Al iniciarse, el Inspector mostrará una URL a la que podrá acceder en su navegador para comenzar a depurar.

Licencia

Este proyecto está licenciado bajo la Licencia MIT. Consulte el archivo de LICENCIA para más detalles.

Código fuente

El código fuente está disponible en GitHub .

Contribuyendo

Envíeme sus ideas y comentarios a través de Bluesky o abriendo un problema.

A
license - permissive license
Not graded
quality - not tested
F
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • F
    license
    Not graded
    quality
    D
    maintenance
    A modular tool that combines RAG-based retrieval with Pinecone vector storage to create intelligent assistants capable of answering domain-specific questions from your knowledge base.
  • F
    license
    Not graded
    quality
    Not graded
    maintenance
    Enables AI assistants to perform semantic search, manage vectors, and interact with Pinecone vector databases through standardized MCP tools. Supports querying, upserting, deleting vectors and monitoring database statistics for knowledge base operations.
    4
  • A
    license
    Not graded
    quality
    Not graded
    maintenance
    Enables interaction with Pinecone vector databases for storing and searching embeddings. Supports similarity search, metadata filtering, and vector operations for semantic search and RAG applications.
  • A
    license
    B
    quality
    D
    maintenance
    Enables retrieval-augmented generation by embedding queries with a chosen provider (e.g., OpenAI) and searching supported vector stores (Pinecone, pgvector) to return relevant content.
    1
    Apache 2.0

View all related MCP servers

Related MCP Connectors

  • Universal memory for AI agents and tools. Save, organize and search context anywhere.

  • Long-term memory for AI assistants. Hybrid retrieval, query expansion, auto-topics.

  • Search your knowledge bases from any AI assistant using hybrid RAG.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/sirmews/mcp-pinecone'

If you have feedback or need assistance with the MCP directory API, please join our Discord server