VertexAI 搜索 MCP 服务器

“VertexAI 搜索”MCP 服务器有什么作用？

VertexAI 搜索 MCP 服务器旨在将 AI 助手与 Google Vertex AI Search 连接，使其能够检索和搜索存储于 Vertex AI Datastore 的私有数据集。通过结合 Gemini 与 Vertex AI 溯源能力，该服务器提升了搜索结果的质量与准确性，使 AI 答复基于您的专有数据。它支持集成一个或多个 Vertex AI 数据存储，是为 LLM 驱动流程增强组织专属、上下文相关信息的有力工具。开发者可以借此实现文档自动检索、知识库查询，并在开发与生产环境中高效访问企业数据。

提示词列表

仓库中未提及提示词模板。

资源列表

仓库中未详细列出具体资源。

工具列表

仓库或 server.py 中未提供明确的工具列表。

此 MCP 服务器的应用场景

• 企业搜索自动化：将 Vertex AI Search 集成到工作流中，自动化私有数据集的文档查询与检索，提升内部信息访问效率。
• 知识库增强：赋能 AI 助手以组织专属知识为基础解答用户问题，提高回答准确性。
• 数据驱动决策：开发者可在应用开发过程中，直接检索 Vertex AI Datastore 中的相关数据，为决策提供依据。
• 定制 AI 助手开发：构建具备领域专属检索和上下文能力的 AI 代理，利用精选的 Vertex AI 数据存储。

如何设置

Windsurf

1. 确保您的系统已安装 Python 和 Docker。
2. 克隆仓库：
   git clone git@github.com:ubie-oss/mcp-vertexai-search.git
3. 创建虚拟环境并安装依赖：

   uv venv  
   uv sync --all-extras
   

4. 在 Windsurf 配置文件中添加 MCP 服务器配置，示例如下：

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

5. 保存并重启 Windsurf，确认 MCP 服务器已运行。

API 密钥安全配置示例：

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

Claude

1. 确保已配置好 Python 环境及依赖。
2. 如上所述克隆并设置仓库。
3. 编辑 Claude 配置以添加 MCP 服务器：

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

4. 重启 Claude 并检查服务器状态。

API 密钥安全配置示例：

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

Cursor

1. 按上述方式安装依赖并设置仓库。
2. 更新 Cursor 配置文件：

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

3. 保存、重启 Cursor 并确认运行正常。

API 密钥安全配置示例：

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

Cline

1. 按上述仓库设置步骤操作。
2. 修改 Cline 配置：

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

3. 重启 Cline 并确认服务器已激活。

API 密钥安全配置示例：

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

如何在流程中使用此 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成进您的 FlowHunt 工作流，首先添加 MCP 组件并将其与 AI 代理连接：

点击 MCP 组件，打开配置面板。在系统 MCP 配置部分，按以下 JSON 格式输入您的 MCP 服务器信息：

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

配置完成后，AI 代理即可作为工具访问 MCP 的全部功能。请注意将 “vertexai-search” 替换为实际的 MCP 服务器名称，并将 URL 换成您的服务器地址。

概览

从文档完整性和功能暴露角度来看，该 MCP 服务器为 Vertex AI Search 提供了稳健的集成，但在提示词、资源和工具细节文档方面仍有不足。安装与授权说明清晰，但未涉及高级 MCP 特性。评分：5/10

MCP 评分