MCP Vertexai Search

用于顶点AI搜索的MCP服务器

这是一个使用Vertex AI搜索文档的MCP服务器。

建筑

此解决方案使用基于Vertex AI的Gemini，使用您的私人数据搜索文档。 通过将Gemini的响应放在存储在Vertex AI数据存储中的数据中，接地可以提高搜索结果的质量。 我们可以将一个或多个Vertex AI数据存储集成到MCP服务器。 有关接地的更多详细信息，请参阅 Vertex AI接地文档.

Architecture

如何使用

有两种方法可以使用此MCP服务器。 如果你想在Docker上运行它，第一种方法会很好，因为项目中提供了Dockerfile。

1.克隆存储库

# Clone the repository
git clone git@github.com:ubie-oss/mcp-vertexai-search.git

# Create a virtual environment
uv venv
# Install the dependencies
uv sync --all-extras

# Check the command
uv run mcp-vertexai-search

安装python包

该包尚未发布到PyPI，但我们可以从存储库安装它。 我们需要一个源于的配置文件 config.yml.模板 运行MCP服务器，因为python包不包括配置模板。 请参考 附录A：配置文件 有关配置文件的详细信息。

# Install the package
pip install git+https://github.com/ubie-oss/mcp-vertexai-search.git

# Check the command
mcp-vertexai-search --help

发展

先决条件

• 紫外线
• 顶点AI数据存储

- 请查看 关于数据存储的官方文档 更多信息

营造当地环境

# Optional: Install uv
python -m pip install -r requirements.setup.txt

# Create a virtual environment
uv venv
uv sync --all-extras

运行MCP服务器

这支持SSE（服务器发送事件）和stdio（标准输入输出）的两种传输方式。 我们可以通过设置 --transport 旗帜。

我们可以用YAML文件配置MCP服务器。 config.yml.模板 是配置文件的模板。 请修改配置文件以满足您的需求。

uv run mcp-vertexai-search serve \
    --config config.yml \
    --transport 

测试顶点AI搜索

我们可以通过使用 mcp-vertexai-search search 命令，无需MCP服务器。

uv run mcp-vertexai-search search \
    --config config.yml \
    --query 

附录A：配置文件

config.yml.模板 是配置文件的模板。

• server

- server.name：MCP服务器的名称

• model

- model.model_name：顶点AI模型的名称 - model.project_id：Vertex AI模型的项目ID - model.location：模型的位置（例如us-central 1） - model.impersonate_service_account：要模拟的服务帐户 - model.generate_content_config：生成内容API的配置

• data_stores：Vertex AI数据存储列表

- data_stores.project_id：Vertex AI数据存储的项目ID - data_stores.location：顶点AI数据存储的位置（例如我们） - data_stores.datastore_id：顶点AI数据存储的ID - data_stores.tool_name：工具的名称 - data_stores.description：Vertex AI数据存储的描述