MCP Server Lancedb

🚀 mcp-lance-db：LanceDB 的 MCP 服務器

模型上下文協議（MCP）是一個開放協議，它讓大語言模型（LLM）應用程序與外部數據源和工具能夠實現無縫集成。無論你是在構建由 AI 驅動的集成開發環境（IDE）、增強聊天界面，還是創建自定義 AI 工作流，MCP 都提供了一種標準化的方式，來連接 LLM 與它所需的上下文。

本倉庫展示瞭如何為 LanceDB（一個嵌入式向量數據庫）創建一個 MCP 服務器。

🚀 快速開始

在 Claude Desktop 上運行

• MacOS 系統：配置文件路徑為 ~/Library/Application\ 支持/Claude/claude_desktop_config.json
• Windows 系統：配置文件路徑為 %APPDATA%/Claude/claude_desktop_config.json%

配置內容如下：

{
  "lancedb": {
    "command": "uvx",
    "args": [
      "mcp-lance-db"
    ]
  }
}

✨ 主要特性

這是一個基礎的模型上下文協議服務器，用於在 LanceDB 向量數據庫中存儲和檢索記憶。它就像一個語義記憶層，允許存儲文本及其嵌入向量，方便後續檢索。

📦 安裝指南

構建和發佈

若要準備分發包，可按以下步驟操作：

1. 同步依賴項並更新鎖定文件：

uv sync

2. 構建包發行版本：

uv build

執行此命令後，會在 dist/ 目錄下創建源代碼和輪格式發行版。 3. 發佈到 PyPI：

uv publish

注意：你需要通過環境變量或命令行參數來設置 PyPI 資質信息：

• 令牌：使用 --token 或 UV_PUBLISH_TOKEN
• 或者用戶名/密碼：使用 --username/UV_PUBLISH_USERNAME 和 --password/UV_PUBLISH_PASSWORD

💻 使用示例

基礎用法

該服務器實現了兩個工具，以下是它們的使用說明：

add-memory

此工具用於向向量數據庫添加新的記憶。

• 接收一個必填的字符串參數 "content"。
• 存儲文本以便後續通過其嵌入向量進行檢索。

search-memories

此工具用於檢索語義上相似的記憶。

• 接收一個必填的字符串參數 "query"。
• 有可選的 "limit" 參數，用於控制結果數量（默認值為 5）。
• 返回與查詢在語義上相似度排名的記憶。
• 更新服務器狀態並通知客戶端資源更改。

高級用法

在調試方面，由於 MCP 服務器通過標準輸入輸出運行，調試可能具有一定挑戰性。為了獲得最佳的調試體驗，強烈推薦使用 MCP Inspector。

你可以通過以下命令啟動 MCP Inspector：

npx @modelcontextprotocol/inspector uv --directory $(PWD) run mcp-lance-db

啟動後，Inspector 會顯示一個 URL，你可以將其在瀏覽器中打開以開始調試。

📚 詳細文檔

組件

工具

該服務器實現了兩個工具：

• add-memory：向向量數據庫添加新的記憶

  • 接收一個必填的字符串參數 "content"
  • 存儲文本以便以後通過其嵌入向量進行檢索

• search-memories：檢索語義上相似的記憶

  • 接收一個必填的字符串參數 "query"
  • 可選的 "limit" 參數來控制結果數量（默認值為 5）
  • 返回與查詢在語義上相似度排名的記憶
  • 更新服務器狀態並通知客戶端資源更改

配置

該服務器使用的配置如下：