金大哥 - Embedding Search MCP 详情

article

README

🚀 MCP-嵌入搜索

MCP-嵌入搜索是一个模型上下文协议（MCP）服务器。它可以查询包含嵌入和转录片段的Turso数据库，用户能通过提问搜索相关转录片段，无需生成新的嵌入。

🚀 快速开始

MCP-嵌入搜索允许用户通过提问搜索Turso数据库中的相关转录片段。使用前，需按如下步骤进行配置。

✨ 主要特性

🔍 转录片段的向量相似性搜索
📊 基于余弦相似度的相关性评分
📝 完整的转录元数据（剧集标题、时间戳）
⚙️ 可配置的搜索参数（限制、最小分数）
🔄 高效的数据库连接池
🛡️ 全面的错误处理
📈 优化性能以实现快速响应

📦 安装指南

控制台配置

将以下内容添加到您的Cline MCP设置中：

{
    "mcpServers": {
        "mcp-embedding-search": {
            "command": "node",
            "args": ["/path/to/mcp-embedding-search/dist/index.js"],
            "env": {
                "TURSO_URL": "your-turso-database-url",
                "TURSO_AUTH_TOKEN": "your-turso-auth-token"
            }
        }
    }
}

用于Claude Desktop的配置

将以下内容添加到您的Claude Desktop配置中：

{
    "mcpServers": {
        "mcp-embedding-search": {
            "command": "node",
            "args": ["/path/to/mcp-embedding-search/dist/index.js"],
            "env": {
                "TURSO_URL": "your-turso-database-url",
                "TURSO_AUTH_TOKEN": "your-turso-auth-token"
            }
        }
    }
}

💻 使用示例

基础用法

该服务器实现了一个MCP工具search_embeddings，可使用向量相似性搜索相关转录片段。

// 请求示例
{
    "question": "具体查询文本",
    "limit": 10,
    "min_score": 0.6
}

// 响应示例
[
    {
        "episode_title": "剧集标题",
        "segment_text": "转录片段内容...",
        "start_time": 123.45,
        "end_time": 167.89,
        "similarity": 0.85
    }
    // 更多结果...
]

📚 详细文档

API

search_embeddings

使用向量相似性搜索相关转录片段。参数：

question (字符串，必需)：查询文本
limit (数字，可选)：返回的结果数量（默认：5，最大值：50）
min_score (数字，可选)：相似度阈值（默认：0.5，范围：0 - 1）

响应格式：

[
    {
        "episode_title": "剧集标题",
        "segment_text": "转录片段内容...",
        "start_time": 123.45,
        "end_time": 167.89,
        "similarity": 0.85
    }
    // 更多结果...
]

数据库模式

此工具期望使用Turso数据库，其结构如下：

CREATE TABLE embeddings (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  transcript_id INTEGER NOT NULL,
  embedding TEXT NOT NULL,
  FOREIGN KEY(transcript_id) REFERENCES transcripts(id)
);

CREATE TABLE transcripts (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  episode_title TEXT NOT NULL,
  segment_text TEXT NOT NULL,
  start_time REAL NOT NULL,
  end_time REAL NOT NULL
);

embedding列应包含可用于vector_distance_cos函数的向量嵌入。

🔧 技术细节

开发

设置

克隆仓库
安装依赖项：

npm install

构建项目：

npm run build

开发模式下运行：

npm run dev

发布

该项目使用changesets进行版本管理。要发布：

创建一个变更集：

npm run changeset

版本化包：

npm run version

发布到npm：

npm run release

📄 许可证

MIT License - 有关详细信息，请参阅LICENSE文件。

致谢

此文档翻译自英文版本，旨在提供中文用户更直观的理解。

贡献

欢迎贡献！请随意提交拉取请求。

Embedding Search