Solr Vector Search

🚀 Solr MCP 紹介

この Python パッケージは、モデルコンテキストプロトコル（MCP）を通じて Apache Solr インデックスにアクセスするためのものです。この統合により、Claude などの AI アシスタントが、キーワード検索とベクトル検索機能を組み合わせた強力な検索クエリを Solr インデックスに対して実行できるようになります。

✨ 主な機能

• MCP サーバー：AI アシスタントとの統合のために、モデルコンテキストプロトコルを実装します。
• 混合検索：キーワード検索の精度とベクトル検索の意味理解を組み合わせます。
• ベクトル埋め込み：Ollama と nomic - embed - text を使用してドキュメントの埋め込みを生成します。
• 統一コレクション：ドキュメントの内容とベクトル埋め込みを同じコレクションに保存します。
• Docker 統合：Docker と docker - compose を通じて簡単にインストールできます。
• 最適化されたベクトル検索：SQL フィルタ条件をベクトル検索段階にプッシュし、ベクトルと SQL クエリの組み合わせを効率的に処理し、大量の結果セットやページングの場合でも最高のパフォーマンスを実現します。

🔧 技術詳細

ベクトル検索の最適化

システムは、ベクトル類似性と SQL フィルタ条件の両方を含むクエリを処理するために、重要な最適化手法を採用しています。

1. SQL フィルタ条件（WHERE 句）をベクトル検索段階にプッシュします。
2. 最終的に SQL 基準を満たすドキュメントに対してのみベクトル類似性計算を実行することを保証します。
3. 以下のクエリのパフォーマンスを大幅に向上させます。
   • 選択的な WHERE 句
   • ページング（LIMIT/OFFSET）
   • 大きな結果セット

この最適化により、計算コストとネットワーク転送を削減し、必要なベクトル類似性計算の数を最小限に抑えます。

🚀 クイックスタート

1. このリポジトリをクローンします。
2. Docker を使用して SolrCloud を起動します。

   docker-compose up -d
   

3. 依存関係をインストールします。

   python -m venv venv
   source venv/bin/activate  # Windowsの場合は：venv\Scripts\activate
   pip install poetry
   poetry install
   

4. サンプルドキュメントを処理してインデックスを作成します。

   python scripts/process_markdown.py data/bitcoin - whitepaper.md --output data/processed/bitcoin_sections.json
   python scripts/create_unified_collection.py unified
   python scripts/unified_index.py data/processed/bitcoin_sections.json --collection unified
   

5. MCP サーバーを実行します。

   poetry run python -m solr_mcp.server
   

より詳細なセットアップと使用方法については、QUICKSTART.md ガイドを参照してください。

📦 インストール

• Python 3.10 以上
• Docker と Docker Compose
• SolrCloud 9.x
• Ollama（埋め込み生成用）

📄 ライセンス

このプロジェクトは MIT ライセンスの下でライセンスされています。詳細は LICENSE ファイルを参照してください。

コントリビューション

コントリビューションを歓迎します！ガイドについては CONTRIBUTING.md を参照してください。