VertexAI 搜索 MCP 服务器

轻松将 Google Vertex AI Search 集成到您的 AI 代理中，通过 VertexAI 搜索 MCP 服务器在私有数据集上实现可靠、可溯源的搜索。

AI Enterprise Search MCP Server VertexAI

“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

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

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"]
    }
  }
}

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

确保已配置好 Python 环境及依赖。
如上所述克隆并设置仓库。

编辑 Claude 配置以添加 MCP 服务器：

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

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

按上述方式安装依赖并设置仓库。

更新 Cursor 配置文件：

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

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

按上述仓库设置步骤操作。

修改 Cline 配置：

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

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

Section	Availability	Details/Notes
Overview	✅	README.md 中已包含
List of Prompts	⛔	未找到提示词模板
List of Resources	⛔	未详细列出资源
List of Tools	⛔	未列出工具
Securing API Keys	✅	提供了配置示例
Sampling Support (less important in evaluation)	⛔	未提及