Vertex AI Search 的 MCP 服务器

这是一个使用 Vertex AI 搜索文档的 MCP 服务器。

建筑学

此解决方案结合 Gemini 与 Vertex AI 基础功能，使用您的私人数据搜索文档。基础功能通过将 Gemini 的响应与存储在 Vertex AI 数据存储区中的数据相结合，从而提高搜索结果的质量。我们可以将一个或多个 Vertex AI 数据存储区集成到 MCP 服务器。有关基础功能的更多详细信息，请参阅Vertex AI 基础文档。

Related MCP server: Vertex AI MCP Server

如何使用

有两种方法可以使用此 MCP 服务器。如果您想在 Docker 上运行它，则第一种方法比较好，因为项目中提供了 Dockerfile。

1. 克隆存储库

# 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

安装python包

该软件包尚未发布到 PyPI，但我们可以从仓库中安装它。我们需要一个源自config.yml.template的配置文件来运行 MCP 服务器，因为 Python 软件包中不包含配置模板。有关配置文件的详细信息，请参阅附录 A：配置文件。

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

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

发展

先决条件

紫外线
Vertex AI 数据存储
- 请参阅有关数据存储的官方文档以获取更多信息

设置本地环境

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

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

运行 MCP 服务器

它支持两种传输方式：SSE（服务器发送事件）和 stdio（标准输入输出）。我们可以通过设置--transport标志来控制传输。

我们可以使用 YAML 文件配置 MCP 服务器。config.yml.template是配置文件的模板。请根据自己的需求修改配置文件。

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

测试 Vertex AI 搜索

我们可以在不使用 MCP 服务器的情况下使用mcp-vertexai-search search命令来测试 Vertex AI Search。

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

附录 A：配置文件

config.yml.template是配置文件的模板。

server
- server.name ：MCP 服务器的名称
model
- model.model_name ：Vertex AI 模型的名称
- model.project_id ：Vertex AI 模型的项目 ID
- model.location ：模型的位置（例如 us-central1）
- model.impersonate_service_account ：要模拟的服务帐户
- model.generate_content_config ：生成内容 API 的配置
data_stores ：Vertex AI 数据存储列表
- data_stores.project_id ：Vertex AI 数据存储的项目 ID
- data_stores.location ：Vertex AI 数据存储的位置（例如我们）
- data_stores.datastore_id ：Vertex AI 数据存储的 ID
- data_stores.tool_name ：工具的名称
- data_stores.description ：Vertex AI 数据存储的描述