🚀 Parquet MCP サーバ

強力なMCP（モデル制御プロトコル）サーバで、ウェブ検索の実行や類似内容の検索に使用できるツールを提供します。このサーバはClaude Desktop用に設計されており、以下の2つの主要機能を提供します。

ウェブ検索：ウェブ検索を実行し、結果を取得します。
類似性検索：以前の検索から関連情報を抽出します。

このサーバは、以下の場合に特に有用です。

ウェブ検索機能が必要なアプリケーション
検索クエリに基づいて類似内容を見つける必要があるプロジェクト

🚀 クイックスタート

📦 インストール

Smitheryを通じたインストール

Smitheryを通じて、Claude Desktop用のParquet MCP Serverを自動インストールします。

npx -y @smithery/cli install @DeepSpringAI/parquet_mcp_server --client claude

このリポジトリをクローン

git clone ...
cd parquet_mcp_server

仮想環境の作成とアクティブ化

uv venv
.venv\Scripts\activate  # Windows
source .venv/bin/activate  # macOS/Linux

依存関係のインストール

pip install -r requirements.txt

💻 使用例

基本的な使用法

環境変数

以下の内容を含む.envファイルを作成します。

DB_HOST=your_database_host
DB_PORT=your_database_port
DB_NAME=your_database_name
DB_USER=your_database_user
DB_PASSWORD=your_database_password
OPENAI_API_KEY=your_openai_api_key

設定

以下の内容を含むconfig.jsonファイルを作成します。

{
  "vector_db": {
    "type": "postgres",
    "params": {
      "host": "${DB_HOST}",
      "port": "${DB_PORT}",
      "database": "${DB_NAME}",
      "user": "${DB_USER}",
      "password": "${DB_PASSWORD}"
    }
  },
  "openai": {
    "api_key": "${OPENAI_API_KEY}"
  }
}

サーバの起動

uvicorn server.main:app --reload

高度な使用法

利用可能なツール

parquet_mcp web_search: ウェブページの内容を分析し、保存します。
parquet_mcp vector_search: ベクトルの類似度に基づいて検索します。
parquet_mcp config: 設定ファイルを管理します。
parquet_mcp db: PostgreSQLデータベースを管理します。

テスト

テスト用の依存関係のインストール

pip install -r requirements-test.txt

テストの実行

pytest tests/

PostgreSQLでのベクトル類似度検索用関数

PostgreSQLでベクトル類似度検索を実行するには、以下の関数を使用できます。

-- 创建向量相似度搜索的函数
CREATE OR REPLACE FUNCTION match_web_search(
  query_embedding vector(1024),  -- 调整后的向量大小
  match_threshold float,
  match_count int  -- 用户定义的结果数量限制
)
RETURNS TABLE (
  id bigint,
  metadata jsonb,
  text TEXT,  -- 添加文本列到结果中
  date TIMESTAMP,  -- 使用日期列代替created_at
  similarity float
)
LANGUAGE plpgsql
AS $$
BEGIN
  RETURN QUERY
  SELECT
    web_search.id,
    web_search.metadata,
    web_search.text,  -- 返回段落的完整文本
    web_search.date,  -- 返回日期时间戳
    1 - (web_search.embedding <=> query_embedding) as similarity
  FROM web_search
  WHERE 1 - (web_search.embedding <=> query_embedding) > match_threshold
  ORDER BY web_search.date DESC,  -- 按日期降序排序（ newest 先）
           web_search.embedding <=> query_embedding  -- 按相似度排序
  LIMIT match_count;  -- 根据用户输入限制结果数量
END;
$$;

この関数を使用すると、PostgreSQLデータベースでベクトル類似度検索を実行でき、指定された類似度閾値を満たす結果を返し、ユーザーの入力に基づいて結果の数を制限できます。結果は日付と類似度でソートされます。

Postgresテーブルの作成

CREATE TABLE web_search (
    id SERIAL PRIMARY KEY,
    text TEXT,
    metadata JSONB,
    embedding VECTOR(1024),

    -- 该字段将自动更新
    date TIMESTAMP DEFAULT NOW()
);

このテーブルは、ウェブ検索の結果を保存するために使用され、段落のテキスト、メタデータ、およびベクトル表現が含まれます。