VertexAI Search MCPサーバー

「VertexAI Search」MCPサーバーとは？

VertexAI Search MCPサーバーは、AIアシスタントとGoogle Vertex AI Searchを接続し、Vertex AI Datastoreに保存されたプライベートデータセットから情報を検索・取得できるよう設計されています。GeminiとVertex AIグラウンディングを活用することで、AIの応答を独自データに根拠付け、高品質かつ高精度な検索結果を実現します。1つまたは複数のVertex AIデータストアと連携可能で、LLM駆動のワークフローに組織特有のコンテキスト情報を加える強力なツールです。開発者はドキュメント検索やナレッジベースクエリの自動化、エンタープライズデータの利活用を開発・本番環境で効率化できます。

プロンプト一覧

リポジトリ内にプロンプトテンプレートは記載されていません。

リソース一覧

リポジトリ内に特定リソースの記載はありません。

ツール一覧

リポジトリやserver.pyに明示的なツールリストはありません。

このMCPサーバーのユースケース

• エンタープライズ検索自動化: Vertex AI Searchをワークフローに組み込み、プライベートデータセットのドキュメント検索・取得を自動化。社内情報アクセスを効率化します。
• ナレッジベース拡張: 組織特有の知識に基づいた応答をAIアシスタントが返せるようになり、回答精度を向上させます。
• データ駆動意思決定: アプリ開発時にVertex AI Datastoreから関連データを抽出し、根拠のある意思決定を支援します。
• カスタムAIアシスタント開発: キュレーションされたVertex AIデータストアを活用し、ドメイン特化型AIエージェントの検索・文脈応答を実現します。

セットアップ方法

Windsurf

1. システムにPythonとDockerがインストールされていることを確認します。
2. リポジトリをクローン:
   git clone git@github.com:ubie-oss/mcp-vertexai-search.git
3. 仮想環境を作成し、依存パッケージをインストール:

   uv venv  
   uv sync --all-extras
   

4. Windsurfの設定ファイルに以下のようにMCPサーバー情報を追加します:

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

5. 保存後、Windsurfを再起動しMCPサーバーの稼働を確認します。

APIキー保護例:

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

Claude

1. 適切なPython環境と依存パッケージがインストールされていることを確認します。
2. 上記と同様にリポジトリをクローン・セットアップします。
3. Claude設定ファイルを編集し、MCPサーバーを追加:

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

4. Claudeを再起動し、サーバー状態を確認します。

APIキー保護例:

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

Cursor

1. 必須要件をインストールし、リポジトリをセットアップします。
2. Cursorの設定ファイルを以下のように更新します:

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

3. 保存後、Cursorを再起動して動作を確認します。

APIキー保護例:

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

Cline

1. 上記のリポジトリセットアップ手順に従います。
2. Clineの設定を以下のように編集します:

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

3. Clineを再起動し、サーバーの稼働を確認します。

APIキー保護例:

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

フロー内でのMCP利用方法

FlowHuntでのMCPサーバー利用方法

FlowHuntワークフローにMCPサーバーを統合するには、まずMCPコンポーネントをフローに追加し、AIエージェントと接続します。

MCPコンポーネントをクリックして設定パネルを開きます。システムMCP設定欄に、以下のJSON形式でサーバー情報を入力してください:

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

設定完了後、AIエージェントはこのMCPをツールとして利用できるようになり、すべての機能にアクセス可能となります。“vertexai-search"はご自身のMCPサーバー名に、URLもご自身のMCPサーバーURLに必ず置き換えてください。

概要

ドキュメントや機能露出の観点では、Vertex AI Searchの統合には優れていますが、プロンプトやリソース、ツールに関する詳細は不足しています。セットアップ説明やライセンスは明確ですが、高度なMCP機能の説明はありません。評価: 5/10

MCPスコア