Skip to main content
Glama
MCP Server for Vertex AI Search

MCP Server for Vertex AI Search

by ubie-oss

Servidor MCP para Vertex AI Search

Este es un servidor MCP para buscar documentos utilizando Vertex AI.

Arquitectura

Esta solución utiliza Gemini con Vertex AI Grounding para buscar documentos utilizando sus datos privados. Grounding mejora la calidad de los resultados de búsqueda al integrar las respuestas de Gemini con sus datos almacenados en el almacén de datos de Vertex AI. Podemos integrar uno o varios almacenes de datos de Vertex AI en el servidor MCP. Para más información sobre grounding, consulte la documentación de Vertex AI Grounding .

Arquitectura

Related MCP server: ickyMCP

Cómo utilizar

Hay dos maneras de usar este servidor MCP. Si desea ejecutarlo en Docker, la primera opción es recomendable, ya que el proyecto incluye Dockerfile.

1. Clonar el repositorio

# Clone the repository
git clone git@github.com:ubie-oss/mcp-vertexai-search.git

# Create a virtual environment
uv venv
# Install the dependencies
uv sync --all-extras

# Check the command
uv run mcp-vertexai-search

Instalar el paquete de Python

El paquete aún no está publicado en PyPI, pero podemos instalarlo desde el repositorio. Necesitamos un archivo de configuración derivado de config.yml.template para ejecutar el servidor MCP, ya que el paquete de Python no incluye la plantilla de configuración. Consulte el Apéndice A: Archivo de configuración para obtener más información sobre el archivo de configuración.

# Install the package
pip install git+https://github.com/ubie-oss/mcp-vertexai-search.git

# Check the command
mcp-vertexai-search --help

Desarrollo

Prerrequisitos

Configurar el entorno local

# Optional: Install uv
python -m pip install -r requirements.setup.txt

# Create a virtual environment
uv venv
uv sync --all-extras

Ejecutar el servidor MCP

Esto admite dos transportes para SSE (Eventos enviados por el servidor) y stdio (Entrada/Salida estándar). Podemos controlar el transporte configurando el indicador --transport .

Podemos configurar el servidor MCP con un archivo YAML. config.yml.template es una plantilla para el archivo de configuración. Por favor, modifique el archivo de configuración según sus necesidades.

uv run mcp-vertexai-search serve \
    --config config.yml \
    --transport <stdio|sse>

Prueba la búsqueda de Vertex AI

Podemos probar la búsqueda Vertex AI usando el comando mcp-vertexai-search search sin el servidor MCP.

uv run mcp-vertexai-search search \
    --config config.yml \
    --query <your-query>

Apéndice A: Archivo de configuración

config.yml.template es una plantilla para el archivo de configuración.

  • server

    • server.name : El nombre del servidor MCP

  • model

    • model.model_name : El nombre del modelo Vertex AI

    • model.project_id : El ID del proyecto del modelo Vertex AI

    • model.location : La ubicación del modelo (por ejemplo, us-central1)

    • model.impersonate_service_account : La cuenta de servicio que se suplantará

    • model.generate_content_config : La configuración para la API de generación de contenido

  • data_stores : La lista de almacenes de datos de Vertex AI

    • data_stores.project_id : El ID del proyecto del almacén de datos de Vertex AI

    • data_stores.location : La ubicación del almacén de datos de Vertex AI (por ejemplo, nosotros)

    • data_stores.datastore_id : El ID del almacén de datos de Vertex AI

    • data_stores.tool_name : El nombre de la herramienta

    • data_stores.description : La descripción del almacén de datos de Vertex AI

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • F
      license
      C
      quality
      D
      maintenance
      A server that implements Retrieval-Augmented Generation using GroundX and OpenAI, enabling semantic search and document retrieval with Modern Context Processing for enhanced context handling.
      3
      -
    • A
      license
      Not graded
      quality
      D
      maintenance
      RAG-powered document search server that enables semantic search across large collections of legal and business documents (PDF, Word, Excel, PowerPoint) using local embeddings with no API costs.
      4
      MIT
    • A
      license
      A
      quality
      C
      maintenance
      Provides AI-powered search and documentation tools using Google Vertex AI or Gemini API with real-time web search grounding, enabling technical queries, code analysis, documentation retrieval, and architecture recommendations to overcome LLM knowledge gaps.
      7
      172 npm
      7
      MIT