mcp-embedding-search

一个模型上下文协议 (MCP) 服务器，用于查询包含嵌入向量和转录片段的 Turso 数据库。此工具允许用户通过提问来搜索相关的转录片段，而无需生成新的嵌入向量。

特性

• 🔍 用于转录片段的向量相似度搜索
• 📊 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、最低分数）
• 🔄 高效的数据库连接池
• 🛡️ 全面的错误处理
• 📈 性能优化，实现快速响应

配置

此服务器需要通过您的 MCP 客户端进行配置。以下是不同环境的示例：

Cline 配置

将此添加到您的 Cline MCP 设置：

{
	"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"
			}
		}
	}
}

Claude Desktop 配置

将此添加到您的 Claude Desktop 配置：

{
	"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"
			}
		}
	}
}

API

该服务器实现了一个 MCP 工具：

search_embeddings

使用向量相似度搜索相关的转录片段。

参数：

• question (字符串, 必需): 要搜索的查询文本
• limit (数字, 可选): 要返回的结果数量 (默认: 5, 最大: 50)
• min_score (数字, 可选): 最小相似度阈值 (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 Schema

此工具需要一个具有以下 schema 的 Turso 数据库：

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 列应包含可与 vector_distance_cos 函数一起使用的向量嵌入。

开发

设置

1. 克隆存储库
2. 安装依赖项：

npm install

3. 构建项目：

npm run build

4. 在开发模式下运行：

npm run dev

发布

该项目使用 changesets 进行版本管理。 要发布：

1. 创建一个 changeset：

npm run changeset

2. 对软件包进行版本控制：

npm run version

3. 发布到 npm：

npm run release

贡献

欢迎贡献！ 请随时提交 Pull Request。

许可证

MIT 许可证 - 有关详细信息，请参见 LICENSE 文件。

致谢

• 构建于 模型上下文协议 之上
• 专为转录数据库中的高效向量相似度搜索而设计