خادم VertexAI Search MCP

ماذا يفعل خادم “VertexAI Search” MCP؟

تم تصميم خادم VertexAI Search MCP لربط المساعدين الذكيين بـ Google Vertex AI Search، مما يمكّنهم من البحث واسترجاع المعلومات من مجموعات البيانات الخاصة المخزنة في Vertex AI Datastore. من خلال الاستفادة من Gemini مع تأصيل Vertex AI، يعزز هذا الخادم جودة ودقة نتائج البحث عن طريق تأسيس استجابات الذكاء الاصطناعي على بياناتك الخاصة. يدعم التكامل مع متجر بيانات Vertex AI واحد أو عدة متاجر، مما يجعله أداة قوية لتعزيز سير العمل المعتمد على النماذج اللغوية الكبيرة بمعلومات ذات صلة وسياق خاص بالمؤسسة. تتيح هذه الإمكانية للمطورين أتمتة البحث عن المستندات، والاستعلام عن قواعد المعرفة، وتبسيط الوصول إلى بيانات المؤسسات ضمن بيئات التطوير والإنتاج.

قائمة القوالب (Prompts)

لا توجد قوالب برومبت مذكورة في المستودع.

قائمة الموارد

لا توجد موارد محددة مفصلة في المستودع.

قائمة الأدوات

لا توجد قائمة صريحة بالأدوات في المستودع أو في server.py.

حالات استخدام هذا الخادم MCP

• أتمتة البحث المؤسسي: دمج Vertex AI Search في سير العمل لأتمتة الاستعلام واسترجاع المستندات من مجموعات بيانات خاصة، وتسهيل الوصول الداخلي للمعلومات.
• تعزيز قاعدة المعرفة: تمكين المساعدين الذكيين من الإجابة على استفسارات المستخدمين بناءً على معرفة خاصة بالمؤسسة، مما يحسن دقة الاستجابة.
• اتخاذ القرار القائم على البيانات: تمكين المطورين من استخراج بيانات ذات صلة من Vertex AI Datastores أثناء تطوير التطبيقات لدعم القرارات المستندة إلى الأدلة.
• تطوير مساعدين ذكيين مخصصين: بناء وكلاء ذكاء اصطناعي متخصصين قادرين على البحث وتكييف الاستجابات باستخدام متاجر بيانات Vertex AI مُنقّحة.

كيفية الإعداد

Windsurf

1. تأكد من تثبيت Python وDocker على نظامك.
2. استنسخ المستودع:
   git clone git@github.com:ubie-oss/mcp-vertexai-search.git
3. أنشئ بيئة افتراضية وثبّت التبعيات:

   uv venv  
   uv sync --all-extras
   

4. أضف إعداد خادم MCP في ملف إعدادات Windsurf كما يلي:

   {
     "mcpServers": {
       "vertexai-search": {
         "command": "uv",
         "args": ["run", "mcp-vertexai-search"]
       }
     }
   }
   

5. احفظ وأعد تشغيل Windsurf، ثم تحقق من تشغيل خادم MCP.

مثال لتأمين مفاتيح API:

{
  "mcpServers": {
    "vertexai-search": {
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/your/credentials.json"
      },
      "inputs": {}
    }
  }
}

Claude

1. تأكد من إعداد بيئة Python والتبعيات اللازمة.
2. استنسخ وأعد إعداد المستودع كما سبق.
3. حرر إعداد Claude لإضافة خادم MCP:

   {
     "mcpServers": {
       "vertexai-search": {
         "command": "uv",
         "args": ["run", "mcp-vertexai-search"]
       }
     }
   }
   

4. أعد تشغيل Claude وتحقق من حالة الخادم.

مثال لتأمين مفاتيح API:

{
  "mcpServers": {
    "vertexai-search": {
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/your/credentials.json"
      },
      "inputs": {}
    }
  }
}

Cursor

1. ثبّت المتطلبات الأساسية وأعد إعداد المستودع كما هو موضح أعلاه.
2. حدّث ملف إعدادات Cursor:

   {
     "mcpServers": {
       "vertexai-search": {
         "command": "uv",
         "args": ["run", "mcp-vertexai-search"]
       }
     }
   }
   

3. احفظ، أعد تشغيل Cursor، وتحقق من التشغيل.

مثال لتأمين مفاتيح API:

{
  "mcpServers": {
    "vertexai-search": {
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/your/credentials.json"
      },
      "inputs": {}
    }
  }
}

Cline

1. اتبع خطوات إعداد المستودع كما هو أعلاه.
2. عدل إعدادات Cline:

   {
     "mcpServers": {
       "vertexai-search": {
         "command": "uv",
         "args": ["run", "mcp-vertexai-search"]
       }
     }
   }
   

3. أعد تشغيل Cline وتحقق من تفعيل الخادم.

مثال لتأمين مفاتيح API:

{
  "mcpServers": {
    "vertexai-search": {
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/your/credentials.json"
      },
      "inputs": {}
    }
  }
}

كيفية استخدام هذا MCP داخل التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP في سير عمل FlowHunt الخاص بك، ابدأ بإضافة مكون MCP إلى التدفق وربطه بوكيل الذكاء الاصطناعي لديك:

انقر على مكون MCP لفتح لوحة الإعدادات. في قسم إعدادات MCP للنظام، أدخل تفاصيل خادم MCP الخاص بك باستخدام هذا التنسيق JSON:

{
  "vertexai-search": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بعد الإعداد، يصبح وكيل الذكاء الاصطناعي قادراً على استخدام هذا MCP كأداة مع إمكانية الوصول إلى جميع وظائفه وقدراته. تذكّر تغيير “vertexai-search” إلى اسم خادم MCP الفعلي لديك واستبدال الرابط بعنوان خادم MCP الخاص بك.

نظرة عامة

استناداً إلى اكتمال التوثيق وكشف الميزات، يوفر هذا الخادم MCP تكاملاً قوياً مع Vertex AI Search لكنه يفتقر إلى توثيق مفصل حول القوالب والموارد والأدوات. التعليمات الخاصة بالإعداد والترخيص واضحة، لكن الميزات المتقدمة لـ MCP غير مذكورة. التقييم: 5/10

درجة MCP