Integrace Chroma MCP Serveru

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