Chroma MCP Server-integrering

Vad gör “Chroma” MCP Server?

Chroma MCP Server är en implementation av Model Context Protocol (MCP) som utrustar AI-assistenter med robusta databaskapaciteter via Chroma-vektordatabasen. Den möjliggör sömlös integrering med externa datakällor, så att AI-modeller kan skapa, hantera och fråga dokumentkollektioner. Med funktioner som fulltexts- och semantisk sökning, metadatafiltrering och flexibla lagringsalternativ (flyktig, beständig, HTTP och moln) kan utvecklare förbättra sina arbetsflöden genom att erbjuda LLM:er effektiv dataåtervinning och hanteringsverktyg. Detta gör det möjligt för AI-applikationer att utföra avancerade dataoperationer som samlingshantering och dokumentfrågor, vilket därmed stödjer uppgifter som informationsåtervinning, kunskapshantering och mer inom utvecklingsarbetsflöden.

Lista över Promptar

Inga promptmallar nämns i arkivet.

Redo att växa ditt företag?

Starta din kostnadsfria provperiod idag och se resultat inom några dagar.

Begär demo Logga in

Lista över Resurser

Inga explicita resurser finns dokumenterade i arkivet.

Lista över Verktyg

• chroma_list_collections – Lista alla samlingar med stöd för paginering.
• chroma_create_collection – Skapa en ny samling med valfri HNSW-konfiguration.
• chroma_peek_collection – Visa ett urval av dokument i en samling.
• chroma_get_collection_info – Hämta detaljerad information om en samling.
• chroma_get_collection_count – Hämta antalet dokument i en samling.
• chroma_modify_collection – Uppdatera en samlings namn eller metadata.
• chroma_delete_collection – Ta bort en samling.
• chroma_add_documents – Lägg till dokument med valfri metadata och anpassade ID:n.
• chroma_query_documents – Sök i dokument med semantisk sökning och avancerad filtrering.

Gå med i vårt nyhetsbrev

Få de senaste tipsen, trenderna och erbjudandena gratis.

E-postadress

Prenumerera

Användningsområden för denna MCP Server

• Databashantering
  Skapa, modifiera och ta bort samlingar enkelt för att organisera projekt- eller applikationsdata för AI-drivna applikationer.
• Semantisk och fulltextsökning
  Utför avancerad dokumentåtervinning med semantiska och textbaserade sökningar, perfekt för applikationer som kräver kontextmedveten kunskapsåtervinning.
• Metadatafiltrering
  Hämta och filtrera dokument med anpassade metadatafält, vilket stödjer anpassade arbetsflöden och datakategorisering.
• Dokumentintag & Återvinning
  Lägg till och hämta dokument effektivt (med metadata och ID:n), vilket underlättar kunskapsbasuppbyggnad och AI-träningsuppsättningar.
• Samlingsanalys
  Få tillgång till samlingsstatistik och dokumentantal för att övervaka och optimera datahanterings- och återvinningsstrategier.

Så sätter du upp det

Windsurf

1. Se till att Node.js och npm är installerade.
2. Öppna dina Windsurf-projektinställningar eller konfigurationskatalog.
3. Redigera konfigurationsfilen för att lägga till Chroma MCP Server.
4. Infoga följande JSON-snutt under mcpServers:

   {
     "chroma-mcp": {
       "command": "npx",
       "args": ["@chroma-core/chroma-mcp@latest"]
     }
   }
   

5. Spara filen och starta om Windsurf.
6. Verifiera att servern körs genom att kontrollera MCP-serverns loggar eller instrumentpanel.

Säker API-nyckelhantering

Använd miljövariabler för känsliga nycklar:

{
  "chroma-mcp": {
    "env": {
      "CHROMA_API_KEY": "${CHROMA_API_KEY}"
    },
    "inputs": {
      "api_key": "${CHROMA_API_KEY}"
    }
  }
}

Claude

1. Installera Node.js om det inte redan finns.
2. Öppna Claude-konfigurationsfilen.
3. Lägg till detta under mcpServers:

   {
     "chroma-mcp": {
       "command": "npx",
       "args": ["@chroma-core/chroma-mcp@latest"]
     }
   }
   

4. Spara och starta om Claude.
5. Kontrollera systemloggar för lyckad serverregistrering.

Säker API-nyckelhantering

{
  "chroma-mcp": {
    "env": {
      "CHROMA_API_KEY": "${CHROMA_API_KEY}"
    },
    "inputs": {
      "api_key": "${CHROMA_API_KEY}"
    }
  }
}

Cursor

1. Förutsättning: Node.js installerat.
2. Öppna Cursors inställnings-/konfigurationsfil.
3. Infoga Chroma MCP Server-konfiguration:

   {
     "chroma-mcp": {
       "command": "npx",
       "args": ["@chroma-core/chroma-mcp@latest"]
     }
   }
   

4. Spara och starta om Cursor.
5. Validera anslutningen via Cursor-tilläggspanelen.

Säker API-nyckelhantering

{
  "chroma-mcp": {
    "env": {
      "CHROMA_API_KEY": "${CHROMA_API_KEY}"
    },
    "inputs": {
      "api_key": "${CHROMA_API_KEY}"
    }
  }
}

Cline

1. Se till att Node.js är installerat.
2. Gå till konfigurationsfilen för Cline.
3. Lägg till Chroma MCP Server:

   {
     "chroma-mcp": {
       "command": "npx",
       "args": ["@chroma-core/chroma-mcp@latest"]
     }
   }
   

4. Spara ändringarna och starta om applikationen.
5. Bekräfta att MCP-servern finns med i Clines gränssnitt.

Säker API-nyckelhantering

{
  "chroma-mcp": {
    "env": {
      "CHROMA_API_KEY": "${CHROMA_API_KEY}"
    },
    "inputs": {
      "api_key": "${CHROMA_API_KEY}"
    }
  }
}

Så använder du denna MCP i flöden

Att använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och ansluta den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion, ange dina MCP-serverdetaljer med detta JSON-format:

{
  "chroma-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

När den är konfigurerad kan AI-agenten nu använda denna MCP som verktyg med tillgång till alla dess funktioner och kapaciteter. Kom ihåg att ändra “chroma-mcp” till det faktiska namnet på din MCP-server och byt ut URL:en mot din egen MCP-server-URL.

Översikt

Jag skulle ge denna MCP-server betyget 6/10. Den är robust i databasverktyg och uppsättning, men saknar tydlig dokumentation kring promptar, resurser och avancerade MCP-funktioner som roots och sampling.

MCP-betyg