Máy chủ MCP VertexAI Search

Máy chủ MCP “VertexAI Search” làm gì?

Máy chủ MCP VertexAI Search được thiết kế để kết nối các trợ lý AI với Google Vertex AI Search, cho phép họ tìm kiếm và truy xuất thông tin từ các bộ dữ liệu riêng tư lưu trữ trong Vertex AI Datastore. Bằng cách tận dụng Gemini với grounding của Vertex AI, máy chủ này nâng cao chất lượng và độ chính xác của kết quả tìm kiếm bằng cách đặt câu trả lời AI dựa trên dữ liệu độc quyền của bạn. Nó hỗ trợ tích hợp với một hoặc nhiều kho dữ liệu Vertex AI, biến đây thành công cụ mạnh mẽ để tăng cường quy trình làm việc dựa trên LLM với thông tin phù hợp theo ngữ cảnh của tổ chức. Khả năng này giúp lập trình viên tự động hóa tìm kiếm tài liệu, truy vấn cơ sở tri thức và truy cập dữ liệu doanh nghiệp trong môi trường phát triển và vận hành.

Danh sách Prompt

Không có mẫu prompt nào được đề cập trong kho mã nguồn.

Sẵn sàng phát triển doanh nghiệp của bạn?

Bắt đầu dùng thử miễn phí ngay hôm nay và xem kết quả trong vài ngày.

Yêu cầu demo Đăng nhập

Danh sách Tài nguyên

Không có tài nguyên cụ thể nào được nêu chi tiết trong kho mã nguồn.

Danh sách Công cụ

Không có danh sách công cụ rõ ràng nào trong kho mã nguồn hoặc trong server.py.

Tham gia bản tin của chúng tôi

Nhận các mẹo, xu hướng và ưu đãi mới nhất miễn phí.

Địa chỉ email

Đăng ký

Các trường hợp sử dụng của MCP Server này

• Tự động hóa tìm kiếm doanh nghiệp: Tích hợp Vertex AI Search vào quy trình làm việc để tự động truy vấn và truy xuất tài liệu từ các bộ dữ liệu riêng tư, tối ưu hóa truy cập thông tin nội bộ.
• Bổ sung cơ sở tri thức: Nâng cao trợ lý AI với khả năng trả lời câu hỏi dựa trên kiến thức đặc thù tổ chức, tăng độ chính xác phản hồi.
• Ra quyết định dựa trên dữ liệu: Cho phép lập trình viên trích xuất dữ liệu liên quan từ Vertex AI Datastore khi phát triển ứng dụng, hỗ trợ quyết định dựa trên bằng chứng.
• Phát triển trợ lý AI tùy chỉnh: Xây dựng tác nhân AI theo lĩnh vực có khả năng tìm kiếm và trả lời theo ngữ cảnh bằng kho dữ liệu Vertex AI được chọn lọc.

Cách thiết lập

Windsurf

1. Đảm bảo Python và Docker đã được cài đặt trên hệ thống của bạn.
2. Sao chép kho mã nguồn:
   git clone git@github.com:ubie-oss/mcp-vertexai-search.git
3. Tạo môi trường ảo và cài đặt các phụ thuộc:

   uv venv  
   uv sync --all-extras
   

4. Thêm cấu hình máy chủ MCP vào file cấu hình của Windsurf như sau:

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

5. Lưu và khởi động lại Windsurf, sau đó kiểm tra máy chủ MCP đã chạy.

Ví dụ bảo mật API Keys:

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

Claude

1. Đảm bảo môi trường Python và các phụ thuộc cần thiết đã được cài đặt.
2. Sao chép và thiết lập kho mã nguồn như trên.
3. Chỉnh sửa cấu hình Claude để thêm máy chủ MCP:

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

4. Khởi động lại Claude và kiểm tra trạng thái máy chủ.

Ví dụ bảo mật API Keys:

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

Cursor

1. Cài đặt các yêu cầu và thiết lập kho mã nguồn như hướng dẫn trên.
2. Cập nhật file cấu hình Cursor:

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

3. Lưu, khởi động lại Cursor và kiểm tra hoạt động.

Ví dụ bảo mật API Keys:

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

Cline

1. Thực hiện các bước thiết lập kho mã nguồn như trên.
2. Chỉnh sửa cấu hình Cline:

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

3. Khởi động lại Cline và xác nhận máy chủ đã hoạt động.

Ví dụ bảo mật API Keys:

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

Cách sử dụng MCP này trong các flow

Sử dụng MCP trong FlowHunt

Để tích hợp các máy chủ MCP vào quy trình FlowHunt của bạn, bắt đầu bằng cách thêm thành phần MCP vào flow và kết nối với tác nhân AI:

Nhấn vào thành phần MCP để mở bảng cấu hình. Trong mục cấu hình MCP hệ thống, chèn chi tiết máy chủ MCP của bạn theo định dạng JSON sau:

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

Sau khi cấu hình, tác nhân AI có thể sử dụng MCP này như một công cụ với đầy đủ chức năng và năng lực. Lưu ý thay “vertexai-search” bằng tên thực tế của máy chủ MCP của bạn và thay URL bằng địa chỉ máy chủ MCP riêng.

Tổng quan

Dựa trên độ đầy đủ của tài liệu và tính năng, máy chủ MCP này cung cấp tích hợp vững chắc cho Vertex AI Search nhưng thiếu tài liệu chi tiết về prompt, tài nguyên và công cụ. Hướng dẫn thiết lập và giấy phép rõ ràng, nhưng các tính năng MCP nâng cao chưa được đề cập. Đánh giá: 5/10

MCP Score