VertexAI Search MCP Sunucusu

“VertexAI Search” MCP Sunucusu ne yapar?

VertexAI Search MCP Sunucusu, yapay zeka asistanlarını Google Vertex AI Search ile entegre etmek için tasarlanmıştır ve onlara Vertex AI Datastore’da saklanan özel veri setlerinde arama ve bilgi alma imkanı sağlar. Gemini ile Vertex AI dayandırma özelliğini kullanarak, bu sunucu arama sonuçlarının kalitesini ve doğruluğunu artırır; çünkü yanıtlar sizin özel verileriniz üzerine dayandırılır. Bir ya da birden fazla Vertex AI veri deposu ile entegre çalışabilir, böylece LLM tabanlı iş akışlarını kuruluşunuza özgü, bağlamsal bilgilerle güçlendirmek için güçlü bir araç sunar. Bu yetenek, geliştiricilere belge aramalarını, bilgi tabanı sorgularını ve kurumsal veri erişimini geliştirme ve üretim ortamında otomatikleştirme imkanı tanır.

İstem Listesi

Depoda herhangi bir istem şablonundan bahsedilmemiştir.

İşinizi büyütmeye hazır mısınız?

Bugün ücretsiz denemenizi başlatın ve günler içinde sonuçları görün.

Demo talep et Giriş yap

Kaynak Listesi

Depoda herhangi bir özel kaynağa yer verilmemiştir.

Araçlar Listesi

Depo ya da server.py dosyasında açıkça bir araç listesi sağlanmamıştır.

Bültenimize katılın

En son ipuçlarını, trendleri ve teklifleri ücretsiz alın.

E-posta adresi

Abone ol

Bu MCP Sunucusunun Kullanım Alanları

• Kurumsal Arama Otomasyonu: Vertex AI Search’ü iş akışlarına entegre ederek özel veri setlerinden belge sorgulama ve alımını otomatikleştirin, dahili bilgiye erişimi kolaylaştırın.
• Bilgi Tabanı Zenginleştirme: Yapay zeka asistanlarını, kullanıcı sorgularını kuruluşunuza özel bilgiye dayandırarak yanıtlayacak şekilde güçlendirin ve yanıt doğruluğunu artırın.
• Veri Tabanlı Karar Verme: Geliştiricilerin uygulama geliştirme sırasında Vertex AI Datastore’lardan ilgili verileri ortaya çıkarmasını sağlayarak kanıta dayalı kararları destekleyin.
• Özel Yapay Zeka Asistanı Geliştirme: Alanınıza özgü Vertex AI veri depolarını kullanarak arama ve yanıtları bağlamsallaştırabilen özel yapay zeka ajanları oluşturun.

Nasıl Kurulur?

Windsurf

1. Sisteminizde Python ve Docker’ın kurulu olduğundan emin olun.
2. Depoyu klonlayın:
   git clone git@github.com:ubie-oss/mcp-vertexai-search.git
3. Sanal bir ortam oluşturun ve bağımlılıkları yükleyin:

   uv venv  
   uv sync --all-extras
   

4. Windsurf yapılandırma dosyanıza aşağıdaki gibi MCP sunucu yapılandırmasını ekleyin:

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

5. Kaydedin ve Windsurf’u yeniden başlatın, ardından MCP sunucusunun çalıştığını doğrulayın.

API Anahtarlarını Güvenceye Alma Örneği:

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

Claude

1. Uygun Python ortamının ve bağımlılıkların kurulu olduğundan emin olun.
2. Depoyu yukarıdaki gibi klonlayıp kurun.
3. MCP sunucusunu eklemek için Claude yapılandırmasını düzenleyin:

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

4. Claude’u yeniden başlatın ve sunucu durumunu kontrol edin.

API Anahtarlarını Güvenceye Alma Örneği:

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

Cursor

1. Yukarıda belirtildiği gibi ön koşulları yükleyin ve depoyu kurun.
2. Cursor yapılandırma dosyasını güncelleyin:

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

3. Kaydedin, Cursor’u yeniden başlatın ve çalışmasını doğrulayın.

API Anahtarlarını Güvenceye Alma Örneği:

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

Cline

1. Yukarıdaki adımları takip ederek depoyu kurun.
2. Cline yapılandırmasını düzenleyin:

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

3. Cline’ı yeniden başlatın ve sunucunun aktif olduğunu doğrulayın.

API Anahtarlarını Güvenceye Alma Örneği:

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

Bu MCP’yi Akışlarda Nasıl Kullanabilirim?

FlowHunt içinde MCP kullanımı

FlowHunt iş akışınıza MCP sunucularını entegre etmek için, akışınıza MCP bileşenini ekleyin ve AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırma bölümüne, MCP sunucu detaylarınızı şu JSON formatında ekleyin:

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

Yapılandırdıktan sonra, AI ajanınız artık bu MCP’nin tüm fonksiyonlarına ve yeteneklerine erişebilir. “vertexai-search” adını kendi MCP sunucunuzun adıyla ve URL’yi de kendi MCP sunucu URL’nizle değiştirmeniz gerektiğini unutmayın.

Genel Bakış

Dokümantasyonun ve özelliklerin sunulma bütünlüğüne bakıldığında, bu MCP sunucusu Vertex AI Search için sağlam bir entegrasyon sunuyor ancak istemler, kaynaklar ve araçlar hakkında detaylı belge eksikliği var. Kurulum talimatları ve lisanslaması açık, fakat gelişmiş MCP özelliklerinden bahsedilmemiş. Puan: 5/10

MCP Puanı