Vectara

🚀 Vectara MCP サーバ

🔌 Claude Desktop および他のすべての MCP クライアントと互換性があります！

Vectara MCP は、任意の MCP クライアントとも互換性があります。

モデルコンテキストプロトコル (MCP) は、AI システムがデータソースやツールとシームレスにやり取りできるようにするオープン標準で、安全な双方向接続を実現します。

Vectara-MCP は、エージェント機能を持つ任意のアプリケーションに高速かつ信頼性の高い RAG（検索強化生成）を提供し、MCP プロトコルを通じて幻覚を減らし、Vectara の信頼できる RAG プラットフォームを活用してサポートされています。

🚀 クイックスタート

モデルコンテキストプロトコル (MCP) は、AI システムがデータソースやツールと安全に双方向接続できるオープン標準です。Vectara-MCP は、Vectara の信頼性の高い RAG プラットフォームを利用し、アプリケーションに高速で信頼性の高い RAG を提供します。

📦 インストール

このパッケージは、PyPI から直接インストールできます。

pip install vectara-mcp

✨ 主な機能

利用可能なツール

• ask_vectara: Vectara を使用して RAG クエリを実行し、生成された応答付きの検索結果を返します。

  パラメータ:

  • query: str, ユーザークエリ - 必須。
  • corpus_keys: list[str], 使用する Vectara コーパスキーのリスト - 必須。ユーザーに 1 つ以上のコーパスキーを提供してもらってください。
  • api_key: str, Vectara API キー - 必須。
  • n_sentences_before: int, コンテキストに含める回答前の文の数 - オプション、デフォルトは 2。
  • n_sentences_after: int, コンテキストに含める回答後の文の数 - オプション、デフォルトは 2。
  • lexical_interpolation: float, 使用する語彙補間の量 - オプション、デフォルトは 0.005。
  • max_used_search_results: int, 使用する検索結果の最大数 - オプション、デフォルトは 10。
  • generation_preset_name: str, 使用する生成プリセットの名前 - オプション、デフォルトは "vectara-summary-table-md-query-ext-jan-2025-gpt-4o"。
  • response_language: str, 応答の言語 - オプション、デフォルトは "eng"。

  戻り値:

  • Vectara の応答（生成された回答と検索結果を含む）。

• search_vectara: Vectara を使用して意味検索クエリを実行し、生成を行わずに結果を返します。

  パラメータ:

  • query: str, ユーザークエリ - 必須。
  • corpus_keys: list[str], 使用する Vectara コーパスキーのリスト - 必須。ユーザーに 1 つ以上のコーパスキーを提供してもらってください。
  • api_key: str, Vectara API キー - 必須。
  • n_sentences_before: int, コンテキストに含める回答前の文の数 - オプション、デフォルトは 2。
  • n_sentences_after: int, コンテキストに含める回答後の文の数 - オプション、デフォルトは 2。
  • lexical_interpolation: float, 使用する語彙補間の量 - オプション、デフォルトは 0.005。

  戻り値:

  • Vectara の意味検索結果。

💻 使用例

Claude Desktop での Vectara MCP サーバの設定

Claude Desktop で Vectara MCP サーバを設定する例を以下に示します。

{
  "VectaraMCP": {
    "enabled": true,
    "apiKey": "your_api_key_here",
    "corpusKeys": ["corpus1", "corpus2"],
    "nSentencesBefore": 2,
    "nSentencesAfter": 2,
    "lexicalInterpolation": 0.005
  }
}

Claude Desktop App での使用

インストールが完了したら、Claude Desktop を再起動して設定を適用します。その後、次のようにツールを呼び出すことができます。

# ask_vectara ツールを使用してクエリを実行
python -m vectara_mcp.ask_vectara --query "あなたのクエリ"

# search_vectara を使用して意味検索を実行
python -m vectara_mcp.search_vectara --query "あなたのクエリ"

Vectara RAG の使用例

Vectara の RAG 機能を使用してクエリを実行する例を以下に示します。

基本的な使用法

ask_vectara ツールの使用

$ python -m vectara_mcp.ask_vectara --query "Python ライブラリをどのようにインストールするか？"

search_vectara ツールの使用

$ python -m vectara_mcp.search_vectara --query "Python インストールガイド"

これらの例は、Vectara の強力な機能を利用して情報検索と生成を行う方法を示しています。