Búsqueda vectorial de LanceDB Node.js

Una implementación de Node.js para la búsqueda vectorial utilizando LanceDB y el modelo de incrustación de Ollama.

Descripción general

Este proyecto demuestra cómo:

• Conectarse a una base de datos LanceDB

• Cree funciones de incrustación personalizadas con Ollama

• Realizar una búsqueda de similitud vectorial en los documentos almacenados

• Procesar y mostrar los resultados de la búsqueda

Related MCP server: Workspace Code Search MCP Server

Prerrequisitos

• Node.js (v14 o posterior)

• Ollama ejecutándose localmente con el modelo nomic-embed-text

• Ubicación de almacenamiento de LanceDB con permisos de lectura y escritura

Instalación

1. Clonar el repositorio

2. Instalar dependencias:

pnpm install

Dependencias

• @lancedb/lancedb : Cliente LanceDB para Node.js

• apache-arrow : para manejar datos en columnas

• node-fetch : para realizar llamadas API a Ollama

Uso

Ejecute el script de prueba de búsqueda de vectores:

pnpm test-vector-search

O ejecutar directamente:

node test-vector-search.js

Configuración

El script se conecta a:

• LanceDB en la ruta configurada

• API de Ollama en http://localhost:11434/api/embeddings

Configuración de MCP

Para integrarse con Claude Desktop como un servicio MCP, agregue lo siguiente a su JSON de configuración de MCP:

{
  "mcpServers": {
    "lanceDB": {
      "command": "node",
      "args": [
        "/path/to/lancedb-node/dist/index.js",
        "--db-path",
        "/path/to/your/lancedb/storage"
      ]
    }
  }
}

Reemplace las rutas con sus rutas de instalación reales:

• /path/to/lancedb-node/dist/index.js - Ruta al archivo index.js compilado

• /path/to/your/lancedb/storage - Ruta a su directorio de almacenamiento de LanceDB

Función de incrustación personalizada

El proyecto incluye una OllamaEmbeddingFunction personalizada que:

• Envía texto a la API de Ollama

• Recibe incrustaciones con 768 dimensiones

• Los formatea para usarlos con LanceDB

Ejemplo de búsqueda de vectores

El ejemplo busca "cómo definir criterios de éxito" en la tabla "ai-rag" y muestra los resultados con sus puntajes de similitud.

Licencia

Licencia MIT

Contribuyendo

¡Agradecemos sus contribuciones! No dude en enviar una solicitud de incorporación de cambios.