Vectorize MCP server
Commit 2. Nov. 2026Ermöglicht es einem AI-Client, Vector Retrieval durchzuführen, Dokumente zu extrahieren und in Markdown zu chunken sowie tiefgehende Research-Reports aus einer Vectorize-Pipeline zu generieren.
Auch bekannt als vectorize-io/vectorize-mcp-server
- Stars
- 116
- Tools
- —
- Downloads, 30 Tage
- —
- Neueste Version
- —
- Letzter Commit
- 2. Nov. 2026
- Lizenz
- MIT
Was ist Vectorize MCP?
Vectorize ist ein MCP server. Ermöglicht es einem AI-Client, Vector Retrieval durchzuführen, Dokumente zu extrahieren und in Markdown zu chunken sowie tiefgehende Research-Reports aus einer Vectorize-Pipeline zu generieren.
Zusammenfassung generiert aus dem README des Projekts
Über Vectorize MCP server
Dieser Server ermöglicht es Entwicklern, die Vectorize-Plattform zu nutzen, um Vector Retrieval und Dokumentenextraktion direkt aus einem AI-Client heraus durchzuführen. Er verbindet deine lokale Umgebung mit einer Vectorize-Pipeline und erlaubt es einer KI, über spezialisierte Tools mit deinen Daten zu interagieren. Nutzer können dies in Umgebungen wie Claude, Windsurf, Cursor oder Cline einrichten, indem sie eine Vectorize Organization ID, einen Authentication Token und eine spezifische Pipeline ID über Umgebungsvariablen bereitstellen.
Der Server bietet drei Hauptfunktionen. Er kann Vektorsuchen durchführen, um relevante Dokumente basierend auf einer spezifischen Frage zu finden, Text aus Dateien wie PDFs extrahieren und in Markdown-Chunks umwandeln sowie Deep-Research-Tasks ausführen. Durch die Integration dieser Funktionen kann ein AI-Assistent über den einfachen Chat hinausgehen und aktiv deine Vektordatenbank abfragen sowie komplexe Dokumente für Forschungszwecke verarbeiten.
Was du damit machen kannst
- 1Vektorbasierte DokumentenabfrageLass deine KI mithilfe von Vector Search gezielt nach Informationen in deinen indizierten Datensätzen suchen.
- 2Konvertierung von Dokumenten in MarkdownWandle hochgeladene Dateien wie PDFs in strukturierten Markdown-Text um, um eine bessere Verarbeitung durch die KI zu ermöglichen.
- 3Automatisierte Deep ResearchWeise deine KI an, umfassende Research-Reports unter Verwendung deiner bestehenden Daten-Pipelines zu erstellen.
Geschrieben aus dem README des Projekts. Jeder Use Case wurde gegen ein Zitat daraus geprüft.
Konfiguration
VECTORIZE_ORG_IDVECTORIZE_PIPELINE_IDVECTORIZE_TOKEN
| Name | Beschreibung | Typ |
|---|---|---|
| VECTORIZE_ORG_ID | — | |
| VECTORIZE_PIPELINE_ID | — | |
| VECTORIZE_TOKEN | — |
Automatisierte Checks
Geluften am 13. Nov. 2026Vollständiger Bericht →Noch nicht verifiziert. Ein Server benötigt einen Score von 80, keine kritischen Befunde und genug Daten für unsere Prüfung. Wie die Checks funktionieren · Was du für mehr Punkte verbessern kannst
- Source Repository verknüpft und erreichbarBestanden
- Open Source Lizenz (OSI)Bestanden
- Commit oder Release im letzten JahrBestanden
- Package-Name ähnelt keinem populären PackageNicht geprüft
- Remote Endpoint nutzt HTTPSNicht geprüft
- Destruktive Tools sind markiertNicht geprüft
- Keine versteckten Anweisungen an das ModellBestanden
- Keine kritischen Advisories im Paket oder seinen AbhängigkeitenNicht geprüft
README
Auf GitHub ansehenVectorize MCP Server
A Model Context Protocol (MCP) server implementation that integrates with Vectorize for advanced Vector retrieval and text extraction.
Installation
Running with npx
export VECTORIZE_ORG_ID=YOUR_ORG_ID
export VECTORIZE_TOKEN=YOUR_TOKEN
export VECTORIZE_PIPELINE_ID=YOUR_PIPELINE_ID
npx -y @vectorize-io/vectorize-mcp-server@latest
VS Code Installation
For one-click installation, click one of the install buttons below:
Manual Installation
For the quickest installation, use the one-click install buttons at the top of this section.
To install manually, add the following JSON block to your User Settings (JSON) file in VS Code. You can do this by pressing Ctrl + Shift + P and typing Preferences: Open User Settings (JSON).
{
"mcp": {
"inputs": [
{
"type": "promptString",
"id": "org_id",
"description": "Vectorize Organization ID"
},
{
"type": "promptString",
"id": "token",
"description": "Vectorize Token",
"password": true
},
{
"type": "promptString",
"id": "pipeline_id",
"description": "Vectorize Pipeline ID"
}
],
"servers": {
"vectorize": {
"command": "npx",
"args": ["-y", "@vectorize-io/vectorize-mcp-server@latest"],
"env": {
"VECTORIZE_ORG_ID": "${input:org_id}",
"VECTORIZE_TOKEN": "${input:token}",
"VECTORIZE_PIPELINE_ID": "${input:pipeline_id}"
}
}
}
}
}
Optionally, you can add the following to a file called .vscode/mcp.json in your workspace to share the configuration with others:
{
"inputs": [
{
"type": "promptString",
"id": "org_id",
"description": "Vectorize Organization ID"
},
{
"type": "promptString",
"id": "token",
"description": "Vectorize Token",
"password": true
},
{
"type": "promptString",
"id": "pipeline_id",
"description": "Vectorize Pipeline ID"
}
],
"servers": {
"vectorize": {
"command": "npx",
"args": ["-y", "@vectorize-io/vectorize-mcp-server@latest"],
"env": {
"VECTORIZE_ORG_ID": "${input:org_id}",
"VECTORIZE_TOKEN": "${input:token}",
"VECTORIZE_PIPELINE_ID": "${input:pipeline_id}"
}
}
}
}
Configuration on Claude/Windsurf/Cursor/Cline
{
"mcpServers": {
"vectorize": {
"command": "npx",
"args": ["-y", "@vectorize-io/vectorize-mcp-server@latest"],
"env": {
"VECTORIZE_ORG_ID": "your-org-id",
"VECTORIZE_TOKEN": "your-token",
"VECTORIZE_PIPELINE_ID": "your-pipeline-id"
}
}
}
}
Tools
Retrieve documents
Perform vector search and retrieve documents (see official API):
{
"name": "retrieve",
"arguments": {
"question": "Financial health of the company",
"k": 5
}
}
Text extraction and chunking (Any file to Markdown)
Extract text from a document and chunk it into Markdown format (see official API):
{
"name": "extract",
"arguments": {
"base64document": "base64-encoded-document",
"contentType": "application/pdf"
}
}
Deep Research
Generate a Private Deep Research from your pipeline (see official API):
{
"name": "deep-research",
"arguments": {
"query": "Generate a financial status report about the company",
"webSearch": true
}
}
Development
npm install
npm run dev
Release
Change the package.json version and then:
git commit -am "x.y.z"
git tag x.y.z
git push origin
git push origin --tags
Contributing
- Fork the repository
- Create your feature branch
- Submit a pull request
Vectorize MCP Fragen
Wie konfiguriere ich den Vectorize MCP server?
Setze die Umgebungsvariablen VECTORIZE_ORG_ID, VECTORIZE_TOKEN und VECTORIZE_PIPELINE_ID und starte das Package mit npx. Derselbe Env-Block kann zur mcpServers-Config von Claude, Windsurf, Cursor oder Cline hinzugefügt werden.
Kann der Vectorize MCP server meine Pipeline durchsuchen und Dokumente zurückgeben?
Ja, das retrieve Tool führt eine Vektorsuche durch und liefert Dokumente zu einer Frage zurück, wobei ein k-Parameter die Anzahl der Ergebnisse bestimmt.
Kann er Dokumente in Markdown konvertieren?
Ja, das extract Tool extrahiert Text aus einem Dokument und chunkt ihn in das Markdown-Format, wobei ein Base64-Dokument und dessen Content Type übergeben werden.
Unterstützt Vectorize Deep-Research-Anfragen?
Ja, das deep-research Tool generiert einen privaten Deep-Research-Report aus deiner Pipeline, optional mit aktiviertem Web-Search.
Welche Authentifizierung benötigt der Server?
Er benötigt einen Vectorize-Token sowie deine Organization ID und Pipeline ID, die als Umgebungsvariablen übergeben werden.