mcp-встраивание-поиск

Сервер Model Context Protocol (MCP), который запрашивает базу данных Turso, содержащую вложения и сегменты транскриптов. Этот инструмент позволяет пользователям искать соответствующие сегменты транскриптов, задавая вопросы, без создания новых вложений.

Функции

• 🔍 Векторный поиск сходства для сегментов транскрипта

• 📊 Оценка релевантности на основе косинусного сходства

• 📝 Полные метаданные транскрипта (название эпизода, временные метки)

• ⚙️ Настраиваемые параметры поиска (лимит, минимальный счет)

• 🔄 Эффективный пул соединений с базой данных

• 🛡️ Комплексная обработка ошибок

• 📈 Оптимизированная производительность для быстрого реагирования

Related MCP server: YouTube MCP Server

Конфигурация

Этот сервер требует настройки через ваш клиент MCP. Вот примеры для разных сред:

Конфигурация Клайна

Добавьте это в настройки Cline MCP:

{
	"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"
			}
		}
	}
}

Конфигурация рабочего стола Клода

Добавьте это в конфигурацию вашего Claude Desktop:

{
	"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

На сервере реализован один инструмент MCP:

поиск_внедрений

Поиск соответствующих сегментов транскрипта с использованием векторного сходства.

Параметры:

• question (строка, обязательно): Текст запроса для поиска

• limit (число, необязательно): количество возвращаемых результатов (по умолчанию: 5, максимум: 50)

• min_score (число, необязательно): Минимальный порог сходства (по умолчанию: 0,5, диапазон: 0-1)

Формат ответа:

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

Схема базы данных

Этот инструмент ожидает базу данных Turso со следующей схемой:

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
);

Столбец embedding должен содержать векторные вложения, которые можно использовать с функцией vector_distance_cos .

Разработка

Настраивать

1. Клонировать репозиторий

2. Установить зависимости:

npm install

3. Создайте проект:

npm run build

4. Запустить в режиме разработки:

npm run dev

Издательский

Проект использует наборы изменений для управления версиями. Для публикации:

1. Создайте набор изменений:

npm run changeset

2. Версия пакета:

npm run version

3. Опубликовать в npm:

npm run release

Внося вклад

Вклады приветствуются! Пожалуйста, не стесняйтесь отправлять запрос на включение.

Лицензия

Лицензия MIT — подробности см. в файле LICENSE .

Благодарности

• Построен на основе протокола модельного контекста

• Разработан для эффективного поиска векторного сходства в базах данных транскриптов.