mcp-임베딩-검색

임베딩과 전사본 세그먼트가 포함된 Turso 데이터베이스를 쿼리하는 모델 컨텍스트 프로토콜(MCP) 서버입니다. 이 도구를 사용하면 사용자는 새로운 임베딩을 생성하지 않고도 질문을 통해 관련 전사본 세그먼트를 검색할 수 있습니다.

특징

• 🔍 전사체 세그먼트에 대한 벡터 유사성 검색

• 📊 코사인 유사도 기반 관련성 점수

• 📝 전체 대본 메타데이터(에피소드 제목, 타임스탬프)

• ⚙️ 구성 가능한 검색 매개변수(제한, 최소 점수)

• 🔄 효율적인 데이터베이스 연결 풀링

• 🛡️ 포괄적인 오류 처리

• 📈 빠른 응답을 위해 성능이 최적화되었습니다.

Related MCP server: Better Qdrant MCP Server

구성

이 서버를 사용하려면 MCP 클라이언트를 통한 구성이 필요합니다. 다음은 다양한 환경에 대한 예시입니다.

클라인 구성

Cline MCP 설정에 다음을 추가하세요.

지엑스피1

클로드 데스크톱 구성

Claude Desktop 구성에 다음을 추가하세요.

{
	"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

서버는 하나의 MCP 도구를 구현합니다.

검색_임베딩

벡터 유사성을 사용하여 관련 전사본 세그먼트를 검색합니다.

매개변수:

• question (문자열, 필수): 검색할 쿼리 텍스트

• limit (숫자, 선택 사항): 반환할 결과 수(기본값: 5, 최대값: 50)

• min_score (숫자, 선택 사항): 최소 유사도 임계값(기본값: 0.5, 범위: 0-1)

응답 형식:

[
	{
		"episode_title": "Episode Title",
		"segment_text": "Transcript segment content...",
		"start_time": 123.45,
		"end_time": 167.89,
		"similarity": 0.85
	}
	// Additional results...
]

데이터베이스 스키마

이 도구는 다음 스키마를 갖춘 Turso 데이터베이스를 예상합니다.

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 열에는 vector_distance_cos 함수와 함께 사용할 수 있는 벡터 임베딩이 포함되어야 합니다.

개발

설정

1. 저장소를 복제합니다

2. 종속성 설치:

npm install

3. 프로젝트를 빌드하세요:

npm run build

4. 개발 모드에서 실행:

npm run dev

출판

이 프로젝트에서는 버전 관리를 위해 변경 세트를 사용합니다. 게시하려면 다음을 수행하세요.

1. 변경 세트를 만듭니다.

npm run changeset

2. 패키지 버전:

npm run version

3. npm에 게시:

npm run release

기여하다

기여를 환영합니다! 풀 리퀘스트를 제출해 주세요.

특허

MIT 라이센스 - 자세한 내용은 LICENSE 파일을 참조하세요.

감사의 말

• 모델 컨텍스트 프로토콜을 기반으로 구축됨

• 전사본 데이터베이스에서 효율적인 벡터 유사성 검색을 위해 설계되었습니다.