Weaviate Text2vec MCP

编织MCP服务器（HTTP）——渲染就绪

每个collegare的服务器MCP HTTP（流式HTTP） 编织云 客户端MCP远程（例如克劳德）。

快速部署到 Render

1. 构建一个本地React应用程序 （见 构建.md):

   cd weaviate-image-app
   npm install
   npm run build
   git add weaviate-image-app/dist/
   git commit -m "Add built React app"
   git push

1. 创建一个新的 Web服务 在此仓库/文件夹中的 Render 上。

1. Render将自动使用Python（而不是Docker）。

1. 设置环境变量 ：

- WEAVIATE_URL （或 WEAVIATE_CLUSTER_URL) - 强制 - WEAVIATE_API_KEY - 强制 - （备注） MCP_PATH （默认值 /mcp/) - （备注） PORT （默认值 10000)

1. 部署。

1. 检查 ： GET https://.onrender.com/health → {"status":"ok",...}.

通过Claude连接（远程MCP）

添加一个 自定义/远程MCP服务器 con URL:

https://.onrender.com/mcp/

或者（没有最后斜线）：

https://.onrender.com/mcp

可用工具

配置和诊断：

• get_config() - 显示Weaviate配置和API密钥状态
• check_connection() - 检查连接到Weaviate
• get_instructions() - 返回为服务器配置的指令/提示符
• reload_instructions() - 从环境变量或文件重新加载指令
• diagnose_vertex() Vertex AI 身份验证状态报告

孕甾体集合：

• list_collections() 列出所有可用的收藏
• get_schema(collection) - 获取特定集合的布局

搜索 ：

• keyword_search(collection, query, limit=10) -基于Ricerca关键字（BM25）
• semantic_search(collection, query, limit=10) 语义向量搜索（near_text）
• hybrid_search(collection, query, limit=10, alpha=0.8, query_properties=None, image_id=None, image_url=None) 混合搜索（BM25+矢量）

- 备注如果配置为 WindBilance 向导，则自动强制使用“WindBilance”集合 - 支持图像搜索 image_id （首选）或 image_url - 转换为 base64 由服务器自动处理

• image_search_vertex(collection, image_id=None, image_url=None, caption=None, limit=10) - 使用Vertex AI图像矢量搜索

- 备注如果配置为 WindBilance 向导，则自动强制使用“WindBilance”集合 - 支持 image_id （首选）或 image_url - 转换为 base64 由服务器自动处理

图像管理 ：

• upload_image(image_url=None, image_path=None) - 上传图像并返回一个 image_id 有效期 1 小时

- image_url公共图像 URL （首选项） - image_path服务器上的本地文件路径 - 备注不接受 image_b64 直接 - 使用 HTTP 端点进行直接上传

• insert_image_vertex(collection, image_id=None, image_url=None, caption=None, id=None) - 在集合中嵌入Vertex AI图像

- image_idID 取自 upload_image 哦 /upload-image （最爱） - image_url公共图像网址（自动下载） - 转换为 base64 由服务器自动处理 - 备注不要直接传递字符串base64 - 使用 image_id 哦 image_url

上传图片

服务器支持两种方式上传图像：

1. 工具MCP upload_image:

- 接受 image_url （公共 URL - 首选项） 或 image_path （服务器上的本地文件） - 服务器自动下载/转换为 base64 - 返回一个 image_id 有效期 1 小时 - 不接受 image_b64 直接 使用HTTP端点进行直接上传

1. 端点HTTP POST /upload-image要直接上传二进制文件：

- 接受 multipart/form-data 匹配字段 image （文件binario） - 或 JSON 与 image_b64 （字符串base64） - 还原 {"image_id": "...", "expires_in": 3600}

Curl的例子：

   curl -X POST https://.onrender.com/upload-image \
     -F "image=@/path/to/image.jpg"

使用JSON：

   curl -X POST https://.onrender.com/upload-image \
     -H "Content-Type: application/json" \
     -d '{"image_b64": "base64_string_here"}'

Limage_id 返回可用于 hybrid_search 哦 image_search_vertex 以避免每次都要传递图像。

支持的格式：JPEG、PNG、天才、webp\ 最大尺寸：10 MB\ 有效性1小时（自动清理过期图像）

备注

• Weaviate 云 URL+neneneba API密钥.
• 服务器正在监听 0.0.0.0:$PORT （Render兼容，默认端口10000）。
• 健康检查可在 /health.
• OpenAI嵌入支持：设置 OPENAI_API_KEY 哦 OPENAI_APIKEY 要使用 text2vec-openai 在Weaviate。
• 您可以自定义服务器名称/描述/提示符：

- MCP_SERVER_NAME （默认值 weaviate-mcp-http) - MCP_DESCRIPTION 对于一个简短的描述 - MCP_PROMPT / MCP_INSTRUCTIONS 与客户端共享的文本提示符

• 或者，您可以将邮件版本化为文件，并使用以下方式对其进行定位：

- MCP_PROMPT_FILE 哦 MCP_INSTRUCTIONS_FILE （es。 prompts/instructions.md) - MCP_DESCRIPTION_FILE （es。 prompts/description.txt)

• 如果没有配置任何内容，服务器将自动加载默认提示符。 prompts/instructions.md （如有）。
• 工具 get_instructions 随时返回活动提示符。
• 美国 reload_instructions 在不重新启动服务器的情况下重新读取文件。

Vertex AI 认证

该服务器支持三种Vertex AI身份验证方法：

1. API关键统计设置： VERTEX_APIKEY （无自动刷新）
2. 持有者代币设置： VERTEX_BEARER_TOKEN 已在外部获得的 OAuth 令牌
3. OAuth 自动刷新设置： VERTEX_USE_OAUTH=true 并提供一个 服务帐户:

- GOOGLE_APPLICATION_CREDENTIALS_JSON 用chiaro编写JSON 或者 - GOOGLE_APPLICATION_CREDENTIALS 控制文件路径 或者 - VERTEX_SA_PATH （默认值 /etc/secrets/weaviate-sa.json非常适合 Render） - 服务器会自动检测到 project_id dal服务帐户 - 令牌每 ~55 分钟（或到期前）重新生成一次，并插入 REST 标头（X-Goog-Vertex-Api-Key, X-Goog-User-Project)sia-nei元数据gRPC

备注对于 OAuth，服务器还支持通过应用程序默认凭据 （ADC） 自动发现 GCP 项目。

位置顶点AI： 可配置为 VERTEX_LOCATION （默认值： us-central1)

WindBalance 设置助手

如果设置为默认提示符（prompts/instructions.md服务器会自动强制：

• 使用“WindBilance”集合 hybrid_search e image_search_vertex
• 使用 hybrid_search 作为主要研究方法
• 针对多模式搜索优化的默认参数（图像+文本）