Vectorize MCP server
Commit 2 Nov 2026Memungkinkan AI client menjalankan vector retrieval, mengekstrak dan melakukan chunking dokumen ke dalam format Markdown, serta menghasilkan laporan riset mendalam dari pipeline Vectorize.
Juga dikenal sebagai vectorize-io/vectorize-mcp-server
- Stars
- 116
- Tools
- —
- Unduhan, 30 hari
- —
- Versi terbaru
- —
- Commit terakhir
- 2 Nov 2026
- Lisensi
- MIT
Apa itu Vectorize MCP?
Vectorize adalah MCP server. Memungkinkan AI client menjalankan vector retrieval, mengekstrak dan melakukan chunking dokumen ke dalam format Markdown, serta menghasilkan laporan riset mendalam dari pipeline Vectorize.
Ringkasan dibuat dari README proyek
Tentang Vectorize MCP server
Server ini memungkinkan developer yang menggunakan platform Vectorize untuk melakukan vector retrieval dan ekstraksi dokumen langsung dari dalam AI client. Server ini menghubungkan lingkungan lokal Anda ke pipeline Vectorize, sehingga AI dapat berinteraksi dengan data Anda melalui tool khusus. Anda dapat melakukan setup di lingkungan seperti Claude, Windsurf, Cursor, atau Cline dengan menyediakan Vectorize Organization ID, token autentikasi, dan Pipeline ID spesifik melalui environment variables.
Server ini menyediakan tiga kapabilitas utama. Ia dapat melakukan vector search untuk menemukan dokumen yang relevan berdasarkan pertanyaan tertentu, mengekstrak teks dari file seperti PDF dan mengonversinya menjadi chunk Markdown, serta menjalankan tugas deep research. Dengan mengintegrasikan fungsi-fungsi ini, asisten AI dapat melampaui sekadar chat biasa untuk secara aktif melakukan query ke vector database Anda dan memproses dokumen kompleks untuk keperluan riset.
Apa yang bisa Anda lakukan dengannya
- 1Vector document retrievalMinta AI Anda untuk menemukan informasi spesifik dari dataset terindeks menggunakan vector search.
- 2Document to Markdown conversionKonversi file yang diunggah seperti PDF menjadi teks Markdown terstruktur agar lebih mudah diproses oleh AI.
- 3Automated deep researchInstruksikan AI Anda untuk menghasilkan laporan riset yang komprehensif menggunakan pipeline data yang sudah ada.
Ditulis berdasarkan README proyek. Setiap use case diperiksa terhadap kutipan dari README tersebut.
Konfigurasi
VECTORIZE_ORG_IDVECTORIZE_PIPELINE_IDVECTORIZE_TOKEN
| Nama | Deskripsi | Tipe |
|---|---|---|
| VECTORIZE_ORG_ID | — | |
| VECTORIZE_PIPELINE_ID | — | |
| VECTORIZE_TOKEN | — |
Pengecekan otomatis
Berjalan 13 Nov 2026Laporan lengkap →Belum diverifikasi. Sebuah server memerlukan skor 80, tidak ada temuan serius, dan data yang cukup untuk kami periksa. Cara kerja checks · Yang perlu diperbaiki untuk menambah poin
- Source repository terhubung dan dapat dijangkauLolos
- Lisensi open source (OSI)Lolos
- Ada commit atau release dalam satu tahun terakhirLolos
- Nama package tidak mirip dengan package populerTidak diperiksa
- Remote endpoint menggunakan HTTPSTidak diperiksa
- Tools yang bersifat destruktif telah diberi labelTidak diperiksa
- Tidak ada instruksi tersembunyi untuk modelLolos
- Tidak ada advisory kritis pada paket atau dependensinyaTidak diperiksa
README
Lihat di 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
Pertanyaan tentang Vectorize MCP
Bagaimana cara mengonfigurasi Vectorize MCP server?
Atur environment variables VECTORIZE_ORG_ID, VECTORIZE_TOKEN, dan VECTORIZE_PIPELINE_ID, lalu jalankan package menggunakan npx. Blok env yang sama dapat ditambahkan ke config mcpServers di claude, windsurf, cursor, atau cline.
Apakah Vectorize MCP server bisa mencari pipeline saya dan mengembalikan dokumen?
Ya, tool retrieve melakukan vector search dan mengambil dokumen berdasarkan pertanyaan, dengan parameter k untuk menentukan jumlah hasil.
Apakah bisa mengonversi dokumen ke Markdown?
Ya, tool extract mengekstrak teks dari sebuah dokumen dan melakukan chunking ke format Markdown, dengan menerima input dokumen base64 dan content type-nya.
Apakah Vectorize mendukung query deep research?
Ya, tool deep-research menghasilkan laporan riset mendalam secara privat dari pipeline Anda, dengan opsi tambahan untuk mengaktifkan web search.
Autentikasi apa yang dibutuhkan server ini?
Server membutuhkan token Vectorize beserta organization ID dan pipeline ID Anda, yang dikirimkan sebagai environment variables.