MCP server Vectorize
Коммит 2 нояб. 2026 г.Позволяет AI-клиенту выполнять векторный поиск, извлекать и разбивать документы на части в формате Markdown, а также генерировать подробные исследовательские отчеты на основе конвейера Vectorize.
Также известен как vectorize-io/vectorize-mcp-server
- Звёзды
- 116
- Инструменты
- —
- Загрузки, 30 дней
- —
- Последняя версия
- —
- Последний коммит
- 2 нояб. 2026 г.
- Лицензия
- MIT
Что такое Vectorize MCP?
Vectorize — это MCP server. Позволяет AI-клиенту выполнять векторный поиск, извлекать и разбивать документы на части в формате Markdown, а также генерировать подробные исследовательские отчеты на основе конвейера Vectorize.
Сводка сгенерирована из README проекта
О Vectorize MCP server
Этот сервер позволяет разработчикам, использующим платформу Vectorize, выполнять векторный поиск и извлечение документов прямо из AI-клиента. Он подключает вашу локальную среду к конвейеру Vectorize, позволяя AI взаимодействовать с вашими данными через специализированные инструменты. Пользователи могут настроить это в таких средах, как Claude, Windsurf, Cursor или Cline, указав Vectorize Organization ID, токен аутентификации и конкретный Pipeline ID через переменные окружения.
Сервер предоставляет три основные возможности. Он может выполнять векторный поиск для нахождения релевантных документов на основе конкретного вопроса, извлекать текст из файлов (например, PDF) и преобразовывать их в чанки Markdown, а также запускать задачи глубокого исследования. Благодаря интеграции этих функций AI-ассистент может выйти за рамки простого чата и начать активно запрашивать вашу векторную базу данных и обрабатывать сложные документы для исследовательских целей.
Что вы можете с ним делать
- 1Векторный поиск документовПопросите ваш AI найти конкретную информацию в ваших индексированных наборах данных с помощью векторного поиска.
- 2Конвертация документов в MarkdownПреобразуйте загруженные файлы, такие как PDF, в структурированный текст Markdown для более эффективной обработки нейросетью.
- 3Автоматизированное глубокое исследованиеДайте команду вашему AI генерировать комплексные исследовательские отчеты, используя ваши существующие конвейеры данных.
Взято из README проекта. Каждый вариант использования проверен на соответствие цитате из него.
Конфигурация
VECTORIZE_ORG_IDVECTORIZE_PIPELINE_IDVECTORIZE_TOKEN
| Название | Описание | Тип |
|---|---|---|
| VECTORIZE_ORG_ID | — | |
| VECTORIZE_PIPELINE_ID | — | |
| VECTORIZE_TOKEN | — |
Автоматические проверки
Запущено 13 нояб. 2026 г.Полный отчёт →Еще не проверено. Для сервера требуется оценка 80, отсутствие серьезных проблем и достаточно данных для нашей проверки. Как работают проверки · Что исправить, чтобы получить больше баллов
- Связанный и доступный исходный репозиторийПройдено
- Open source лицензия (OSI)Пройдено
- Коммит или релиз за последний годПройдено
- Имя пакета не похоже на популярный пакетНе проверялось
- Удаленная конечная точка использует HTTPSНе проверялось
- Деструктивные инструменты помеченыНе проверялось
- Нет скрытых инструкций для моделиПройдено
- Нет критических предупреждений в пакете или его зависимостяхНе проверялось
README
Открыть на 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
Вопросы о Vectorize MCP
Как настроить Vectorize MCP server?
Установите переменные окружения VECTORIZE_ORG_ID, VECTORIZE_TOKEN и VECTORIZE_PIPELINE_ID и запустите пакет через npx. Тот же блок переменных окружения можно добавить в конфигурацию mcpServers для Claude, Windsurf, Cursor или Cline.
Может ли Vectorize MCP server искать по моему конвейеру и возвращать документы?
Да, инструмент retrieve выполняет векторный поиск и извлекает документы по запросу, используя параметр k для указания количества результатов.
Может ли он конвертировать документы в Markdown?
Да, инструмент extract извлекает текст из документа и разбивает его на чанки в формате Markdown, принимая документ в base64 и его тип контента.
Поддерживает ли Vectorize запросы для глубокого исследования (deep research)?
Да, инструмент deep-research генерирует приватный отчет о глубоком исследовании на основе вашего конвейера, с возможностью включения веб-поиска.
Какая аутентификация требуется серверу?
Ему требуется токен Vectorize, а также ваш ID организации и ID конвейера, передаваемые через переменные окружения.