使用Vertex AI搜索的MCP服务器

这是一个用于通过Vertex AI进行文档搜索的MCP服务器。

架构

此解决方案使用Gemini结合Vertex AI的Grounding功能，利用Vertex AI数据仓库中的私有数据来搜索文档。Grounding技术可以提升Gemini回答的质量，使其基于您存储在Vertex AI数据仓库中的数据生成更准确的结果。 我们可以通过集成一个或多个Vertex AI数据仓库到MCP服务器中实现这一点。

有关Grounding的更多详细信息，请参考Vertex AI Grounding官方文档。

使用方法

有两种方式可以使用这个MCP服务器。 如果您想在Docker上运行，第一种方法会更方便，因为项目中已经提供了Dockerfile。

1. 克隆仓库

# 克隆仓库
git clone git@github.com:ubie-oss/mcp-vertexai-search.git

# 创建虚拟环境
uv venv
# 安装依赖项
uv sync --all-extras

# 查看运行命令
uv run mcp-vertexai-search

安装Python包

该包尚未发布到PyPI，但我们可以通过仓库安装它。由于需要使用从config.yml.template导出的配置文件来运行MCP服务器，因此必须修改此模板文件。

# 安装包
pip install git+https://github.com/ubie-oss/mcp-vertexai-search.git

# 查看帮助命令
mcp-vertexai-search --help

开发

先决条件

• uv
• Vertex AI数据仓库
  • 请参考官方文档了解更多关于数据仓库的信息

设置本地环境

# 可选：安装uv
python -m pip install -r requirements.setup.txt

# 创建虚拟环境
uv venv
uv sync --all-extras

运行MCP服务器

此实现支持两种传输协议，分别是SSE（Server-Sent Events）和stdio（标准输入输出）。我们可以通过设置--transport标志来选择不同的传输方式。

我们可以使用YAML文件配置MCP服务器。config.yml.template是一个配置文件的模板。 请参考附录A：配置文件了解详细信息，以便根据需要修改配置文件。

uv run mcp-vertexai-search serve \
    --config config.yml \
    --transport <stdio|sse>

测试Vertex AI搜索

我们可以使用mcp-vertexai-search search命令（无需运行MCP服务器）来测试Vertex AI搜索功能。

uv run mcp-vertexai-search search \
    --config config.yml \
    --query <your-query>

附录A：配置文件

config.yml.template是一个配置文件的模板。

• server
  • server.name：MCP服务器的名称
• model
  • model.model_name：Vertex AI模型的名称
  • model.project_id：Vertex AI模型所属的项目ID
  • model.location：模型的位置（例如us-central1）
  • model.impersonate_service_account：要模拟的服务账户
  • model.generate_content_config：生成内容的配置参数
• data
  • data.vertex_ai_project_id：Vertex AI项目的项目ID
  • data.vertex_ai_location：Vertex AI项目的位置（例如us-central1）
  • data.content_dataset_id：内容数据集的ID

请根据实际情况填写上述字段，以完成配置。