mcp-嵌入-搜索
一个模型上下文协议 (MCP) 服务器，用于查询包含嵌入和转录片段的 Turso 数据库。此工具允许用户通过提问来搜索相关的转录片段，而无需生成新的嵌入。
特征
🔍 转录片段的向量相似性搜索
📊 基于余弦相似度的相关性评分
📝 完整的成绩单元数据（剧集标题、时间戳）
⚙️ 可配置的搜索参数（限制、最低分数）
🔄 高效的数据库连接池
🛡️ 全面的错误处理
📈 性能优化，响应速度更快
Related MCP server: Better Qdrant MCP Server
配置
此服务器需要通过您的 MCP 客户端进行配置。以下是不同环境下的示例：
克莱恩配置
将其添加到您的 Cline MCP 设置中：
{
"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"
}
}
}
}Claude桌面配置
将其添加到您的 Claude Desktop 配置中：
{
"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
服务器实现了一个 MCP 工具：
搜索嵌入
使用向量相似性搜索相关的转录片段。
参数：
question（字符串，必需）：要搜索的查询文本limit（数字，可选）：返回的结果数（默认值：5，最大值：50）min_score（数字，可选）：最小相似度阈值（默认值：0.5，范围：0-1）
响应格式：
[
{
"episode_title": "Episode Title",
"segment_text": "Transcript segment content...",
"start_time": 123.45,
"end_time": 167.89,
"similarity": 0.85
}
// Additional results...
]数据库架构
此工具需要具有以下架构的 Turso 数据库：
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列应包含可与vector_distance_cos函数一起使用的向量嵌入。
发展
设置
克隆存储库
安装依赖项：
npm install构建项目：
npm run build以开发模式运行：
npm run dev出版
该项目使用变更集进行版本管理。要发布：
创建变更集：
npm run changeset对包进行版本控制：
npm run version发布到 npm：
npm run release贡献
欢迎贡献代码！欢迎提交 Pull 请求。
执照
MIT 许可证 - 有关详细信息，请参阅LICENSE文件。
致谢
基于模型上下文协议
专为在转录本数据库中进行高效的向量相似性搜索而设计