VertexAI Search MCP Server

Wat doet de “VertexAI Search” MCP Server?

De VertexAI Search MCP Server is ontworpen om AI-assistenten te verbinden met Google Vertex AI Search, zodat ze kunnen zoeken en informatie ophalen uit privédatasets die zijn opgeslagen in Vertex AI Datastore. Door Gemini te combineren met Vertex AI grounding, verbetert deze server de kwaliteit en nauwkeurigheid van zoekresultaten door AI-antwoorden te baseren op uw eigen gegevens. Het ondersteunt integratie met één of meerdere Vertex AI datastores, waardoor het een krachtig hulpmiddel is om LLM-gedreven workflows te verrijken met contextuele, organisatie-specifieke informatie. Deze mogelijkheid stelt ontwikkelaars in staat om documentzoektocht, kennisbank-vragen en toegang tot enterprise data binnen ontwikkel- en productieomgevingen te automatiseren.

Lijst van Prompts

Er worden geen prompt-templates vermeld in de repository.

Lijst van Bronnen

Er zijn geen specifieke bronnen beschreven in de repository.

Lijst van Tools

Er is geen expliciete lijst van tools opgegeven in de repository of in server.py.

Use-cases van deze MCP Server

• Enterprise Search Automatisering: Integreer Vertex AI Search in workflows om het zoeken en ophalen van documenten uit privédatasets te automatiseren, en interne informatievoorziening te stroomlijnen.
• Kennisbank Verrijking: Verbeter AI-assistenten met het vermogen om gebruikersvragen te beantwoorden op basis van organisatie-specifieke kennis, wat de nauwkeurigheid van antwoorden vergroot.
• Datagedreven Besluitvorming: Stel ontwikkelaars in staat om relevante data uit Vertex AI Datastores naar boven te halen tijdens applicatieontwikkeling, ter ondersteuning van onderbouwde beslissingen.
• Ontwikkeling van Aangepaste AI-assistenten: Bouw domeinspecifieke AI-agenten die kunnen zoeken en antwoorden contextualiseren met behulp van gecureerde Vertex AI datastores.

Hoe stel je het in

Windsurf

1. Zorg dat Python en Docker op uw systeem zijn geïnstalleerd.
2. Clone de repository:
   git clone git@github.com:ubie-oss/mcp-vertexai-search.git
3. Maak een virtual environment aan en installeer afhankelijkheden:

   uv venv  
   uv sync --all-extras
   

4. Voeg de MCP-serverconfiguratie toe aan het Windsurf-configuratiebestand als volgt:

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

5. Sla op en herstart Windsurf, en controleer of de MCP-server draait.

Voorbeeld API-sleutels beveiligen:

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

Claude

1. Zorg dat de juiste Python-omgeving en afhankelijkheden zijn geïnstalleerd.
2. Clone en stel de repository in zoals hierboven.
3. Bewerk de Claude-configuratie om de MCP-server toe te voegen:

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

4. Herstart Claude en controleer de serverstatus.

Voorbeeld API-sleutels beveiligen:

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

Cursor

1. Installeer de vereisten en stel de repository in zoals hierboven beschreven.
2. Werk het Cursor-configuratiebestand bij:

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

3. Sla op, herstart Cursor, en controleer de werking.

Voorbeeld API-sleutels beveiligen:

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

Cline

1. Volg de stappen voor het instellen van de repository zoals hierboven.
2. Pas de Cline-configuratie aan:

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

3. Herstart Cline en bevestig dat de server actief is.

Voorbeeld API-sleutels beveiligen:

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

Hoe gebruikt u deze MCP binnen flows

MCP gebruiken in FlowHunt

Om MCP-servers te integreren in uw FlowHunt-workflow, voegt u het MCP-component toe aan uw flow en verbindt u deze met uw AI-agent:

Klik op het MCP-component om het configuratievenster te openen. Voeg in de systeem-MCP-configuratiesectie uw MCP-serverdetails toe met dit JSON-formaat:

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

Na configuratie kan de AI-agent deze MCP nu gebruiken als tool, met toegang tot alle functies en mogelijkheden. Vergeet niet “vertexai-search” te vervangen door de daadwerkelijke naam van uw MCP-server en de URL aan te passen naar uw eigen MCP-server URL.

Overzicht

Op basis van de volledigheid van de documentatie en feature-exposure, biedt deze MCP-server een degelijke integratie voor Vertex AI Search, maar ontbreekt het aan gedetailleerde documentatie over prompts, bronnen en tools. De installatie-instructies en licentie zijn duidelijk, maar geavanceerde MCP-functionaliteiten worden niet besproken. Beoordeling: 5/10

MCP Score