Vectara

🚀 Vectara MCP 服務器

Vectara MCP 服務器為具有代理功能的應用程序提供快速可靠的 RAG（檢索增強生成），通過 MCP 協議減少幻覺，並藉助 Vectara 的受信任 RAG 平臺提供支持。它與 Claude Desktop 和任何其他 MCP 客戶端兼容，能讓 AI 系統無縫地與其數據源和工具交互，實現安全的雙向連接。

🔌 與 Claude Desktop 和任何其他 MCP 客戶端兼容！

Vectara MCP 也與任何 MCP 客戶端兼容

🚀 快速開始

模型上下文協議 (MCP) 是一個開放標準，使 AI 系統能夠無縫地與其數據源和工具交互，實現安全的雙向連接。Vectara-MCP 為任何具有代理功能的應用程序提供快速可靠的 RAG（檢索增強生成），並通過 MCP 協議減少幻覺，藉助 Vectara 的受信任 RAG 平臺提供支持。

📦 安裝指南

可以直接從 PyPI 安裝該包：

pip install vectara-mcp

✨ 主要特性

可用工具

• ask_vectara：使用 Vectara 運行一個 RAG 查詢，返回帶有生成響應的搜索結果。

  參數	詳情
  query	str 類型，用戶查詢，必填。
  corpus_keys	list[str] 類型，要使用的 Vectara 語料庫鍵列表，必填。請讓用戶提供一個或多個語料庫鍵。
  api_key	str 類型，Vectara API 密鑰，必填。
  n_sentences_before	int 類型，包含在上下文中的答案前的句子數量，可選，默認為 2。
  n_sentences_after	int 類型，包含在上下文中的答案後的句子數量，可選，默認為 2。
  lexical_interpolation	float 類型，使用的詞彙插值量，可選，默認為 0.005。
  max_used_search_results	int 類型，要使用的搜索結果的最大數量，可選，默認為 10。
  generation_preset_name	str 類型，要使用的生成預設名稱，可選，默認為 "vectara-summary-table-md-query-ext-jan-2025-gpt-4o"。
  response_language	str 類型，響應的語言，可選，默認為 "eng"。

  返回：Vectara 的響應，包括生成的答案和搜索結果。

• search_vectara：使用 Vectara 運行一個語義搜索查詢，不進行生成。

  參數	詳情
  query	str 類型，用戶查詢，必填。
  corpus_keys	list[str] 類型，要使用的 Vectara 語料庫鍵列表，必填。請讓用戶提供一個或多個語料庫鍵。
  api_key	str 類型，Vectara API 密鑰，必填。
  n_sentences_before	int 類型，包含在上下文中的答案前的句子數量，可選，默認為 2。
  n_sentences_after	int 類型，包含在上下文中的答案後的句子數量，可選，默認為 2。
  lexical_interpolation	float 類型，使用的詞彙插值量，可選，默認為 0.005。

  返回：Vectara 的語義搜索結果。

💻 使用示例

在 Claude Desktop 上配置 Vectara MCP Server

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

在 Claude Desktop App 中使用

安裝完成後，您需要重新啟動 Claude Desktop 以應用配置。然後您可以像這樣調用工具：

# 使用 ask_vectara 工具進行查詢
python -m vectara_mcp.ask_vectara --query "你的查詢"

# 使用 search_vectara 進行語義搜索
python -m vectara_mcp.search_vectara --query "你的查詢"

Vectara RAG 示例

基礎用法

# 使用 ask_vectara 工具進行查詢
python -m vectara_mcp.ask_vectara --query "如何安裝Python庫？"

# 使用 search_vectara 進行語義搜索
python -m vectara_mcp.search_vectara --query "Python 安裝指南"

這些示例展示瞭如何利用 Vectara 的強大功能來進行信息檢索和生成。