mcp埋め込み検索
埋め込みとトランスクリプトセグメントを含むTursoデータベースにクエリを実行するモデルコンテキストプロトコル（MCP）サーバー。このツールを使用すると、ユーザーは新しい埋め込みを生成することなく、質問することで関連するトランスクリプトセグメントを検索できます。
特徴
🔍 トランスクリプトセグメントのベクトル類似性検索
📊 コサイン類似度に基づく関連性スコアリング
📝 完全なトランスクリプトメタデータ（エピソードタイトル、タイムスタンプ）
⚙️ 設定可能な検索パラメータ（制限、最小スコア）
🔄効率的なデータベース接続プーリング
🛡️ 包括的なエラー処理
📈 素早い応答のために最適化されたパフォーマンス
Related MCP server: Better Qdrant MCP Server
構成
このサーバーはMCPクライアント経由で設定する必要があります。以下に、様々な環境における設定例を示します。
傾斜構成
Cline MCP 設定に以下を追加します:
{
"mcpServers": {
"mcp-embedding-search": {
"command": "node",
"args": ["/path/to/mcp-embedding-search/dist/index.js"],
"env": {
"TURSO_URL": "your-turso-database-url",
"TURSO_AUTH_TOKEN": "your-turso-auth-token"
}
}
}
}クロードデスクトップ構成
Claude Desktop の構成にこれを追加します:
{
"mcpServers": {
"mcp-embedding-search": {
"command": "node",
"args": ["/path/to/mcp-embedding-search/dist/index.js"],
"env": {
"TURSO_URL": "your-turso-database-url",
"TURSO_AUTH_TOKEN": "your-turso-auth-token"
}
}
}
}API
サーバーは 1 つの MCP ツールを実装します。
検索埋め込み
ベクトル類似性を使用して関連するトランスクリプトセグメントを検索します。
パラメータ:
question（文字列、必須）: 検索するクエリテキストlimit(数値、オプション): 返される結果の数 (デフォルト: 5、最大: 50)min_score(数値、オプション): 類似度の最小しきい値 (デフォルト: 0.5、範囲: 0-1)
応答形式:
[
{
"episode_title": "Episode Title",
"segment_text": "Transcript segment content...",
"start_time": 123.45,
"end_time": 167.89,
"similarity": 0.85
}
// Additional results...
]データベーススキーマ
このツールでは、次のスキーマを持つ Turso データベースが必要です。
CREATE TABLE embeddings (
id INTEGER PRIMARY KEY AUTOINCREMENT,
transcript_id INTEGER NOT NULL,
embedding TEXT NOT NULL,
FOREIGN KEY(transcript_id) REFERENCES transcripts(id)
);
CREATE TABLE transcripts (
id INTEGER PRIMARY KEY AUTOINCREMENT,
episode_title TEXT NOT NULL,
segment_text TEXT NOT NULL,
start_time REAL NOT NULL,
end_time REAL NOT NULL
);embedding列には、 vector_distance_cos関数で使用できるベクトル埋め込みが含まれている必要があります。
発達
設定
リポジトリをクローンする
依存関係をインストールします:
npm installプロジェクトをビルドします。
npm run build開発モードで実行:
npm run dev出版
このプロジェクトではバージョン管理に変更セットを使用しています。公開するには：
変更セットを作成します。
npm run changesetパッケージのバージョン:
npm run versionnpm に公開:
npm run release貢献
貢献を歓迎します！お気軽にプルリクエストを送信してください。
ライセンス
MIT ライセンス - 詳細についてはLICENSEファイルを参照してください。
謝辞
モデルコンテキストプロトコルに基づいて構築
転写データベースにおける効率的なベクトル類似性検索のために設計