Vectara

🚀 Vectara MCP 服务器

Vectara MCP 服务器基于模型上下文协议（MCP）这一开放标准构建，使 AI 系统能与数据源和工具无缝交互。它为具有代理功能的应用程序提供快速可靠的 RAG 服务，减少幻觉，由 Vectara 受信任的 RAG 平台提供支持，还与 Claude Desktop 及其他 MCP 客户端兼容。

🔌 与 Claude Desktop 和任何其他 MCP 客户端兼容！

Vectara MCP 也与任何 MCP 客户端兼容

🚀 快速开始

模型上下文协议 (MCP) 是一个开放标准，使 AI 系统能够无缝地与其数据源和工具交互，实现安全的双向连接。Vectara-MCP 为任何具有代理功能的应用程序提供快速可靠的 RAG（检索增强生成），并通过 MCP 协议减少幻觉，借助 Vectara 的受信任 RAG 平台提供支持。

📦 安装指南

可以直接从 PyPI 安装该包：

pip install vectara-mcp

✨ 主要特性

可用工具

1. ask_vectara

使用 Vectara 运行一个 RAG 查询，返回带有生成响应的搜索结果。

返回：Vectara 的响应，包括生成的答案和搜索结果。

2. search_vectara

使用 Vectara 运行一个语义搜索查询，不进行生成。

返回：Vectara 的语义搜索结果。

💻 使用示例

在 Claude Desktop 上配置 Vectara MCP Server

以下是如何在 Claude Desktop 上配置 Vectara MCP Server 的示例：

{
  "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

安装完成后，您需要重新启动 Claude Desktop 以应用配置。然后您可以像这样调用工具：

# 使用 ask_vectara 工具进行查询
python -m vectara_mcp.ask_vectara --query "你的查询"

# 使用 search_vectara 进行语义搜索
python -m vectara_mcp.search_vectara --query "你的查询"

Vectara RAG 示例

基础用法

以下展示了如何使用 Vectara 的 RAG 功能进行查询：

# 使用 ask_vectara 工具
$ python -m vectara_mcp.ask_vectara --query "如何安装Python库？"

# 使用 search_vectara 工具
$ python -m vectara_mcp.search_vectara --query "Python 安装指南"

这些示例展示了如何利用 Vectara 的强大功能来进行信息检索和生成。