MCP-嵌入搜索

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

功能

• 🔍 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

配置

此服务器需要通过MCP客户端进行配置。以下是不同环境下的示例：

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"
			}
		}
	}
}

API

该服务器实现了一个MCP工具：

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。

开发

设置

1. 克隆仓库
2. 安装依赖项：

npm install

3. 构建项目：

npm run build

4. 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. 创建一个变更集：

npm run changeset

2. 版本化包：

npm run version

3. 发布到npm：

npm run release

贡献

欢迎贡献！请随意提交拉取请求。

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。