VertexAI Search MCP -palvelin

Mitä “VertexAI Search” MCP -palvelin tekee?

VertexAI Search MCP -palvelin on suunniteltu yhdistämään tekoälyavustajat Google Vertex AI Searchiin, mahdollistaen yksityisten Vertex AI Datastoreen tallennettujen tietojoukkojen haun ja tiedon noudon. Hyödyntämällä Geminia ja Vertex AI -pohjustusta tämä palvelin parantaa hakutulosten laatua ja tarkkuutta pohjustamalla tekoälyvastaukset omaan dataasi. Palvelin tukee yhden tai useamman Vertex AI -tietovaraston integrointia, mikä tekee siitä tehokkaan työkalun LLM-pohjaisten työnkulkujen rikastamiseen organisaatiokohtaisella, kontekstuaalisella tiedolla. Tämä mahdollistaa kehittäjille asiakirjahakujen, tietopankkikyselyjen ja yritysdatan hyödyntämisen automaation sekä tuotanto- että kehitysympäristöissä.

Luettelo kehotteista

Ei kehotepohjia mainita repositoriossa.

Resurssiluettelo

Repositoriossa ei ole eriteltynä tiettyjä resursseja.

Työkaluluettelo

Repositoriossa tai server.py-tiedostossa ei ole erillistä työkaluluetteloa.

Tämän MCP-palvelimen käyttötapaukset

• Yrityshakujen automaatio: Integroi Vertex AI Search työnkulkuihin automatisoimaan yksityisdokumenttien hakua ja noutoa sekä tehostamaan sisäistä tiedonsaantia.
• Tietopankin laajennus: Paranna tekoälyavustajia vastaamaan käyttäjäkysymyksiin organisaatiokohtaiseen tietoon pohjaten, mikä nostaa vastausten tarkkuutta.
• Tietopohjainen päätöksenteko: Mahdollista kehittäjien nostaa sovelluskehityksen aikana esiin relevanttia dataa Vertex AI Datastoreista, tukien perusteltuja päätöksiä.
• Räätälöityjen tekoälyavustajien kehitys: Rakenna alakohtaisia tekoälyagentteja, jotka pystyvät hakemaan ja kontekstualisoimaan vastauksia Vertex AI -tietovarastoihin pohjaten.

Kuinka ottaa käyttöön

Windsurf

1. Varmista, että Python ja Docker on asennettu järjestelmääsi.
2. Kloonaa repositorio:
   git clone git@github.com:ubie-oss/mcp-vertexai-search.git
3. Luo virtuaaliympäristö ja asenna riippuvuudet:

   uv venv  
   uv sync --all-extras
   

4. Lisää MCP-palvelimen konfiguraatio Windsurfin asetustiedostoon seuraavasti:

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

5. Tallenna ja käynnistä Windsurf uudelleen. Varmista, että MCP-palvelin toimii.

API-avainten suojausesimerkki:

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

Claude

1. Varmista, että Python-ympäristö ja riippuvuudet on asennettu.
2. Kloonaa ja ota repositorio käyttöön kuten yllä.
3. Muokkaa Clauden asetuksia lisätäksesi MCP-palvelin:

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

4. Käynnistä Claude uudelleen ja tarkista palvelimen tila.

API-avainten suojausesimerkki:

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

Cursor

1. Asenna vaaditut ohjelmistot ja ota repositorio käyttöön kuten yllä.
2. Päivitä Cursorin konfiguraatiotiedosto:

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

3. Tallenna, käynnistä Cursor uudelleen ja varmista toiminta.

API-avainten suojausesimerkki:

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

Cline

1. Noudata yllä olevia repokäyttöönotto-ohjeita.
2. Muokkaa Clinen konfiguraatiota:

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

3. Käynnistä Cline uudelleen ja varmista palvelimen toiminta.

API-avainten suojausesimerkki:

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

MCP:n käyttäminen flow’ssa

MCP:n käyttö FlowHuntissa

Voit integroida MCP-palvelimet FlowHunt-työnkulkuun lisäämällä MCP-komponentin flow’hun ja yhdistämällä sen tekoälyagenttiin:

Klikkaa MCP-komponenttia avataksesi konfiguraatiopaneelin. Järjestelmän MCP-asetuksissa syötä palvelimesi tiedot seuraavassa JSON-muodossa:

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

Kun asetukset on määritetty, tekoälyagentti voi käyttää tätä MCP:ta työkaluna ja hyödyntää kaikkia sen toimintoja. Muista vaihtaa “vertexai-search” MCP-palvelimesi oikeaan nimeen ja korvata url omalla MCP-palvelimesi osoitteella.

Yhteenveto

Dokumentaation kattavuuden ja ominaisuuksien esille tuonnin perusteella tämä MCP-palvelin mahdollistaa hyvän Vertex AI Search -integraation, mutta dokumentaatiosta puuttuu yksityiskohtia kehotteista, resursseista ja työkaluista. Käyttöönotto-ohjeet ja lisensointi ovat selkeitä, mutta kehittyneitä MCP-ominaisuuksia ei käsitellä. Arvosana: 5/10

MCP-pisteet