Vectorize MCP sunucusu
Commit 2 Kas 2026Bir AI istemcisinin vektör geri çağırma yapmasına, belgeleri ayıklayıp Markdown formatında parçalara ayırmasına ve bir Vectorize pipeline'ından derin araştırma raporları oluşturmasına olanak tanır.
Ayrıca bilinen adı vectorize-io/vectorize-mcp-server
- Yıldızlar
- 116
- Araçlar
- —
- İndirmeler, 30 gün
- —
- En son sürüm
- —
- Son commit
- 2 Kas 2026
- Lisans
- MIT
Vectorize MCP nedir?
Vectorize bir MCP sunucusudur. Bir AI istemcisinin vektör geri çağırma yapmasına, belgeleri ayıklayıp Markdown formatında parçalara ayırmasına ve bir Vectorize pipeline'ından derin araştırma raporları oluşturmasına olanak tanır.
Özet, projenin README dosyasından oluşturuldu
Vectorize MCP sunucusu hakkında
Bu sunucu, Vectorize platformunu kullanan geliştiricilerin bir AI istemcisi içerisinden vektör geri çağırma ve belge ayıklama işlemlerini gerçekleştirmesini sağlar. Yerel ortamınızı bir Vectorize pipeline'ına bağlayarak bir yapay zekanın özel araçlar aracılığıyla verilerinizle etkileşime girmesine olanak tanır. Kullanıcılar; bir Vectorize Organization ID, bir kimlik doğrulama token'ı ve belirli bir Pipeline ID'sini ortam değişkenleri aracılığıyla sağlayarak Claude, Windsurf, Cursor veya Cline gibi ortamlarda kurulum yapabilirler.
Sunucu üç temel yetenek sunar. Belirli bir soruya dayanarak ilgili belgeleri bulmak için vektör aramaları yapabilir, PDF gibi dosyalardan metin ayıklayıp bunları Markdown parçalarına dönüştürebilir ve derin araştırma görevleri yürütebilir. Bu işlevleri entegre ederek bir AI asistanı, basit bir sohbetin ötesine geçip vektör veritabanınızı aktif olarak sorgulayabilir ve araştırma amaçlı karmaşık belgeleri işleyebilir.
Neler yapabilirsiniz
- 1Vektör belge geri çağırmaVektör araması kullanarak indekslenmiş veri setlerinizden belirli bilgileri bulması için AI'nıza komut verin.
- 2Belgeden Markdown'a dönüştürmeDaha iyi AI işleme kapasitesi için PDF gibi yüklenen dosyaları yapılandırılmış Markdown metnine dönüştürün.
- 3Otomatik derin araştırmaMevcut veri pipeline'larınızı kullanarak kapsamlı araştırma raporları oluşturması için AI'nıza talimat verin.
Projenin README dosyasından alınmıştır. Her kullanım durumu, oradaki bir alıntı ile kontrol edilir.
Yapılandırma
VECTORIZE_ORG_IDVECTORIZE_PIPELINE_IDVECTORIZE_TOKEN
| Ad | Açıklama | Sunucu |
|---|---|---|
| VECTORIZE_ORG_ID | — | |
| VECTORIZE_PIPELINE_ID | — | |
| VECTORIZE_TOKEN | — |
Otomatik kontroller
Çalıştırıldı 13 Kas 2026Tam rapor →Henüz doğrulanmadı. Bir sunucunun 80 puana, ciddi bir bulgu olmamasına ve kontrol edebilmemiz için yeterli veriye ihtiyacı vardır. Kontroller nasıl çalışır · Daha fazla puan için nelerin düzeltileceği
- Kaynak deposu bağlantılı ve erişilebilirGeçti
- Açık kaynak lisansı (OSI)Geçti
- Son bir yıl içinde commit veya sürüm mevcutGeçti
- Paket adı popüler bir pakete yakın değilKontrol edilmedi
- Uzak uç nokta HTTPS kullanıyorKontrol edilmedi
- Yıkıcı araçlar etiketlenmişKontrol edilmedi
- Modele yönelik gizli talimat yokGeçti
- Pakette veya bağımlılıklarında kritik uyarı yokKontrol edilmedi
Vectorize 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 soruları
Vectorize MCP server nasıl yapılandırılır?
VECTORIZE_ORG_ID, VECTORIZE_TOKEN ve VECTORIZE_PIPELINE_ID ortam değişkenlerini ayarlayın ve paketi npx ile çalıştırın. Aynı env bloğu claude/windsurf/cursor/cline mcpServers konfigürasyonuna eklenebilir.
Vectorize MCP server pipeline'ımda arama yapıp belgeleri döndürebilir mi?
Evet, retrieve aracı vektör araması gerçekleştirir ve sonuç sayısı için bir k parametresi kullanarak bir soruya yönelik belgeleri getirir.
Belgeleri Markdown formatına dönüştürebilir mi?
Evet, extract aracı bir belgeden metni ayıklar ve base64 belge ile içerik türünü kullanarak metni Markdown formatında parçalara ayırır.
Vectorize derin araştırma sorgularını destekliyor mu?
Evet, deep-research aracı, isteğe bağlı olarak web araması etkinleştirilmiş şekilde, pipeline'ınızdan özel bir derin araştırma raporu oluşturur.
Sunucunun hangi kimlik doğrulamasına ihtiyacı var?
Ortam değişkeni olarak iletilen organizasyon ID'niz ve pipeline ID'niz ile birlikte bir Vectorize token'ına ihtiyaç duyar.