Co dělá „Chroma“ MCP Server?

Chroma MCP Server je implementace Model Context Protocolu (MCP), která vybavuje AI asistenty robustními databázovými možnostmi skrze vektorovou databázi Chroma. Umožňuje bezproblémovou integraci s externími datovými zdroji, což AI modelům umožňuje vytvářet, spravovat a dotazovat kolekce dokumentů. Díky funkcím jako fulltextové a sémantické vyhledávání, filtrování podle metadat a flexibilním možnostem úložiště (efemérní, perzistentní, HTTP i cloud) umožňuje server vývojářům rozšířit workflow například o efektivní získávání a správu dat pro LLM. To umožňuje AI aplikacím provádět pokročilé operace s daty jako je správa kolekcí a dotazování dokumentů, a tím podporovat úlohy jako vyhledávání informací, správu znalostí a další v rámci vývojových workflowů.

Seznam promptů

V repozitáři nejsou zmíněny žádné šablony promptů.

Seznam zdrojů

V dokumentaci repozitáře nejsou uvedeny žádné explicitní zdroje.

Seznam nástrojů

• chroma_list_collections – Vypíše všechny kolekce s podporou stránkování.
• chroma_create_collection – Vytvoří novou kolekci s volitelnou konfigurací HNSW.
• chroma_peek_collection – Zobrazí ukázku dokumentů v kolekci.
• chroma_get_collection_info – Získá detailní informace o kolekci.
• chroma_get_collection_count – Získá počet dokumentů v kolekci.
• chroma_modify_collection – Upraví název nebo metadata kolekce.
• chroma_delete_collection – Smaže kolekci.
• chroma_add_documents – Přidá dokumenty s volitelnými metadaty a vlastními ID.
• chroma_query_documents – Dotazuje se na dokumenty pomocí sémantického vyhledávání s pokročilým filtrováním.

Použití tohoto MCP serveru

• Správa databáze
  Snadno vytvářejte, upravujte a mažte kolekce pro organizaci projektových či aplikačních dat v AI aplikacích.
• Sémantické a fulltextové vyhledávání
  Provádějte pokročilé vyhledávání dokumentů pomocí sémantických i textových dotazů – ideální pro aplikace vyžadující kontextové získávání znalostí.
• Filtrování podle metadat
  Získávejte a filtrujte dokumenty pomocí vlastních metadatových polí, což podporuje vlastní workflowy a kategorizaci dat.
• Ingestování & získávání dokumentů
  Efektivně přidávejte a získávejte dokumenty (s metadaty a ID), což usnadňuje tvorbu znalostních bází a trénovacích dat pro AI.
• Analýza kolekcí
  Přistupujte ke statistikám kolekcí a počtům dokumentů pro sledování a optimalizaci strategií ukládání a získávání dat.

Jak nastavit

Windsurf

1. Ujistěte se, že máte nainstalovaný Node.js a npm.
2. Otevřete nastavení projektu Windsurf nebo konfigurační složku.
3. Upravte konfigurační soubor a přidejte Chroma MCP Server.
4. Vložte následující JSON úryvek pod mcpServers:

   {
     "chroma-mcp": {
       "command": "npx",
       "args": ["@chroma-core/chroma-mcp@latest"]
     }
   }
   

5. Soubor uložte a restartujte Windsurf.
6. Ověřte, že server běží, kontrolou logů MCP serveru nebo dashboardu.

Zabezpečení API klíčů

Pro citlivé klíče používejte proměnné prostředí:

{
  "chroma-mcp": {
    "env": {
      "CHROMA_API_KEY": "${CHROMA_API_KEY}"
    },
    "inputs": {
      "api_key": "${CHROMA_API_KEY}"
    }
  }
}

Claude

1. Nainstalujte Node.js, pokud není přítomen.
2. Otevřete konfigurační soubor Claude.
3. Přidejte pod mcpServers následující:

   {
     "chroma-mcp": {
       "command": "npx",
       "args": ["@chroma-core/chroma-mcp@latest"]
     }
   }
   

4. Uložte a restartujte Claude.
5. Zkontrolujte systémové logy pro ověření registrace serveru.

Zabezpečení API klíčů

{
  "chroma-mcp": {
    "env": {
      "CHROMA_API_KEY": "${CHROMA_API_KEY}"
    },
    "inputs": {
      "api_key": "${CHROMA_API_KEY}"
    }
  }
}

Cursor

1. Požadavek: nainstalovaný Node.js.
2. Otevřete nastavení/konfigurační soubor Cursor.
3. Vložte konfiguraci Chroma MCP Serveru:

   {
     "chroma-mcp": {
       "command": "npx",
       "args": ["@chroma-core/chroma-mcp@latest"]
     }
   }
   

4. Uložte a restartujte Cursor.
5. Ověřte spojení pomocí rozšíření v panelu Cursor.

Zabezpečení API klíčů

{
  "chroma-mcp": {
    "env": {
      "CHROMA_API_KEY": "${CHROMA_API_KEY}"
    },
    "inputs": {
      "api_key": "${CHROMA_API_KEY}"
    }
  }
}

Cline

1. Ujistěte se, že je nainstalován Node.js.
2. Přistupte ke konfiguračnímu souboru Cline.
3. Přidejte Chroma MCP Server:

   {
     "chroma-mcp": {
       "command": "npx",
       "args": ["@chroma-core/chroma-mcp@latest"]
     }
   }
   

4. Uložte změny a restartujte aplikaci.
5. Ověřte, že je MCP server uveden v rozhraní Cline.

Zabezpečení API klíčů

{
  "chroma-mcp": {
    "env": {
      "CHROMA_API_KEY": "${CHROMA_API_KEY}"
    },
    "inputs": {
      "api_key": "${CHROMA_API_KEY}"
    }
  }
}

Jak používat tento MCP ve workflowch

Použití MCP ve FlowHunt

Pro integraci MCP serverů do svého workflow ve FlowHunt začněte přidáním MCP komponenty do flow a jejím propojením s AI agentem:

Klikněte na komponentu MCP pro otevření konfiguračního panelu. V sekci systémové MCP konfigurace vložte detaily svého MCP serveru v tomto JSON formátu:

{
  "chroma-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po konfiguraci může AI agent tento MCP používat jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “chroma-mcp” na skutečný název svého MCP serveru a URL na svou vlastní adresu MCP serveru.

Přehled

Tento MCP server bych ohodnotil 6/10. Je robustní z hlediska práce s databází a nastavením, ale chybí mu jasná dokumentace promptů, zdrojů a pokročilých MCP funkcí jako roots a sampling.

MCP skóre