VertexAI Search MCP Server

Čo robí “VertexAI Search” MCP Server?

VertexAI Search MCP Server je navrhnutý na prepojenie AI asistentov s Google Vertex AI Search, čím umožňuje vyhľadávanie a získavanie informácií zo súkromných datasetov uložených vo Vertex AI Datastore. Vďaka využitiu Gemini s ukotvením vo Vertex AI tento server zvyšuje kvalitu a presnosť výsledkov vyhľadávania – odpovede AI sú ukotvené vo vašich firemných dátach. Podporuje integráciu s jedným alebo viacerými dátovými úložiskami Vertex AI, vďaka čomu je mocným nástrojom na obohatenie LLM workflowov o kontextovo relevantné, organizácii špecifické informácie. Táto schopnosť dáva vývojárom možnosť automatizovať vyhľadávanie v dokumentoch, dopytovanie znalostných báz a zjednodušuje prístup k podnikovým dátam vo vývojovom aj produkčnom prostredí.

Zoznam promptov

V repozitári nie sú uvedené žiadne šablóny promptov.

Pripravení rozšíriť svoje podnikanie?

Začnite svoju 30-dňovú skúšobnú verziu ešte dnes a vidzte výsledky behom pár dní.

Požiadať o demo Prihlásiť sa

Zoznam zdrojov

V repozitári nie sú podrobne rozpísané žiadne špecifické zdroje.

Zoznam nástrojov

V repozitári ani v server.py nie je uvedený žiadny explicitný zoznam nástrojov.

Prihláste sa na newsletter

Získajte najnovšie tipy, trendy a ponuky zadarmo.

Emailová adresa

Prihlásiť sa

Prípady použitia tohto MCP servera

• Automatizácia podnikového vyhľadávania: Integrujte Vertex AI Search do workflowov pre automatizované dopytovanie a získavanie dokumentov zo súkromných datasetov, čím zefektívnite interný prístup k informáciám.
• Rozšírenie znalostnej bázy: Vylepšite AI asistentov možnosťou odpovedať na užívateľské otázky na základe znalostí špecifických pre organizáciu a zvýšte presnosť odpovedí.
• Rozhodovanie na základe dát: Umožnite vývojárom vyhľadať relevantné dáta z Vertex AI Datastore počas vývoja aplikácií a podporiť rozhodovanie na dôkazoch.
• Vývoj vlastných AI asistentov: Vytvorte doménovo špecifických AI agentov, ktorí vedia vyhľadávať a kontextualizovať odpovede pomocou kurátovaných dátových úložísk Vertex AI.

Ako ho nastaviť

Windsurf

1. Uistite sa, že vo vašom systéme máte nainštalovaný Python a Docker.
2. Naklonujte repozitár:
   git clone git@github.com:ubie-oss/mcp-vertexai-search.git
3. Vytvorte virtuálne prostredie a nainštalujte závislosti:

   uv venv  
   uv sync --all-extras
   

4. Pridajte konfiguráciu MCP servera do konfiguračného súboru Windsurf takto:

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

5. Uložte a reštartujte Windsurf, následne overte, že MCP server beží.

Príklad zabezpečenia API kľúčov:

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

Claude

1. Uistite sa, že máte správne nastavené prostredie Pythonu a nainštalované závislosti.
2. Naklonujte a nastavte repozitár podľa vyššie uvedeného postupu.
3. Upravte konfiguráciu Claude a pridajte MCP server:

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

4. Reštartujte Claude a skontrolujte stav servera.

Príklad zabezpečenia API kľúčov:

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

Cursor

1. Nainštalujte požadované nástroje a pripravte repozitár podľa vyššie uvedeného postupu.
2. Aktualizujte konfiguračný súbor pre Cursor:

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

3. Uložte, reštartujte Cursor a overte funkčnosť.

Príklad zabezpečenia API kľúčov:

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

Cline

1. Postupujte podľa krokov na prípravu repozitára ako vyššie.
2. Upravte konfiguráciu pre Cline:

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

3. Reštartujte Cline a overte, či je server aktívny.

Príklad zabezpečenia API kľúčov:

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

Ako používať tento MCP vo flowch

Použitie MCP vo FlowHunt

Na integráciu MCP serverov do workflowu FlowHunt začnite pridaním MCP komponentu do vášho flowu a pripojením k AI agentovi:

Kliknite na MCP komponent pre otvorenie konfiguračného okna. V sekcii systémovej MCP konfigurácie vložte detaily MCP servera v tomto JSON formáte:

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

Po nakonfigurovaní môže AI agent tento MCP využívať ako nástroj so všetkými jeho funkciami. Nezabudnite “vertexai-search” nahradiť skutočným názvom vášho MCP servera a URL upraviť podľa vašej inštalácie.

Prehľad

Na základe úplnosti dokumentácie a zverejnených funkcií tento MCP server poskytuje kvalitnú integráciu pre Vertex AI Search, no chýba mu detailný popis promptov, zdrojov a nástrojov. Inštrukcie na nastavenie a licencovanie sú jasné, ale pokročilé MCP funkcie nie sú rozpracované. Hodnotenie: 5/10

MCP skóre