Serveur MCP Vectorize
Commit 2 nov. 2026Permet à un client IA d'effectuer de la recherche vectorielle, d'extraire et de segmenter des documents en Markdown, et de générer des rapports de recherche approfondis à partir d'un pipeline Vectorize.
Aussi connu sous vectorize-io/vectorize-mcp-server
- Étoiles
- 116
- Outils
- —
- Téléchargements, 30 jours
- —
- Dernière version
- —
- Dernier commit
- 2 nov. 2026
- Licence
- MIT
Qu'est-ce que Vectorize MCP ?
Vectorize est un serveur MCP. Permet à un client IA d'effectuer de la recherche vectorielle, d'extraire et de segmenter des documents en Markdown, et de générer des rapports de recherche approfondis à partir d'un pipeline Vectorize.
Résumé généré à partir du README du projet
À propos du MCP server Vectorize
Ce serveur permet aux développeurs utilisant la plateforme Vectorize d'effectuer de la recherche vectorielle et de l'extraction de documents directement depuis un client IA. Il connecte votre environnement local à un pipeline Vectorize, permettant à une IA d'interagir avec vos données via des outils spécialisés. Les utilisateurs peuvent configurer cela dans des environnements tels que Claude, Windsurf, Cursor ou Cline en fournissant un Vectorize Organization ID, un jeton d'authentification et un Pipeline ID spécifique via des variables d'environnement.
Le serveur propose trois capacités principales. Il peut effectuer des recherches vectorielles pour trouver des documents pertinents basés sur une question spécifique, extraire du texte de fichiers comme des PDF et les convertir en segments Markdown, et exécuter des tâches de recherche approfondie. En intégrant ces fonctions, un assistant IA peut dépasser le simple cadre du chat pour interroger activement votre base de données vectorielle et traiter des documents complexes à des fins de recherche.
Ce que vous pouvez faire avec
- 1Récupération de documents vectorielsDemandez à votre IA de trouver des informations spécifiques dans vos jeux de données indexés en utilisant la recherche vectorielle.
- 2Conversion de documents en MarkdownConvertissez des fichiers téléchargés, tels que des PDF, en texte Markdown structuré pour un meilleur traitement par l'IA.
- 3Recherche approfondie automatiséeDonnez instruction à votre IA pour générer des rapports de recherche complets en utilisant vos pipelines de données existants.
Extrait du README du projet. Chaque cas d'utilisation est vérifié par rapport à une citation du document.
Configuration
VECTORIZE_ORG_IDVECTORIZE_PIPELINE_IDVECTORIZE_TOKEN
| Nom | Description | Type |
|---|---|---|
| VECTORIZE_ORG_ID | — | |
| VECTORIZE_PIPELINE_ID | — | |
| VECTORIZE_TOKEN | — |
Vérifications automatisées
Exécuté le 13 nov. 2026Rapport complet →Pas encore vérifié. Un serveur nécessite un score de 80, aucune faille sérieuse et suffisamment de données pour que nous puissions effectuer les vérifications. Fonctionnement des vérifications · Ce qu'il faut corriger pour gagner des points
- Dépôt source lié et accessibleRéussi
- Licence open source (OSI)Réussi
- Commit ou version publiée au cours de l'année écouléeRéussi
- Nom du package non proche d'un package populaireNon vérifié
- L'endpoint distant utilise HTTPSNon vérifié
- Les outils destructifs sont étiquetésNon vérifié
- Aucune instruction cachée destinée au modèleRéussi
- Aucun avis critique dans le package ou ses dépendancesNon vérifié
README
Voir sur GitHubVectorize 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
Questions sur Vectorize MCP
Comment configurer le MCP server Vectorize ?
Définissez les variables d'environnement VECTORIZE_ORG_ID, VECTORIZE_TOKEN et VECTORIZE_PIPELINE_ID, puis lancez le package avec npx. Ce même bloc d'environnement peut être ajouté à une configuration mcpServers pour Claude, Windsurf, Cursor ou Cline.
Le MCP server Vectorize peut-il rechercher dans mon pipeline et renvoyer des documents ?
Oui, l'outil retrieve effectue une recherche vectorielle et récupère les documents correspondant à une question, avec un paramètre k pour définir le nombre de résultats.
Peut-il convertir des documents en Markdown ?
Oui, l'outil extract extrait le texte d'un document et le segmente au format Markdown, en prenant en entrée un document en base64 et son type de contenu.
Vectorize prend-il en charge les requêtes de recherche approfondie ?
Oui, l'outil deep-research génère un rapport de recherche approfondie privé à partir de votre pipeline, avec l'option de recherche web activée.
De quelle authentification le serveur a-t-il besoin ?
Il nécessite un token Vectorize ainsi que votre ID d'organisation et votre ID de pipeline, transmis via des variables d'environnement.