mcp-lance-db：LanceDB 的 MCP 服务器

模型上下文协议（MCP） 是一个开放协议，使 LLM 应用程序与外部数据源和工具之间的无缝集成成为可能。无论您是在构建 AI 驱动的 IDE、增强聊天界面还是创建自定义 AI 工作流，MCP 都提供了一种标准化方式来连接 LLM 与其所需上下文。

此仓库展示了如何为 LanceDB 创建一个 MCP 服务器，LanceDB 是一个嵌入式向量数据库。

概述

这是一个基本的模型上下文协议服务器，用于在 LanceDB 向量数据库中存储和检索记忆。它作为一个语义记忆层，允许存储文本及其嵌入向量以便以后检索。

组件

工具

该服务器实现了两个工具：

• add-memory：向向量数据库添加新的记忆

  • 接收一个必填的字符串参数 "content"
  • 存储文本以便以后通过其嵌入向量进行检索

• search-memories：检索语义上相似的记忆

  • 接收一个必填的字符串参数 "query"
  • 可选的 "limit" 参数来控制结果数量（默认值为 5）
  • 返回与查询在语义上相似度排名的记忆
  • 更新服务器状态并通知客户端资源更改

配置

该服务器使用的配置如下：

• 数据库路径："./lancedb"
• 收藏集名称："memories"
• 嵌入提供程序："sentence-transformers"
• 模型："BAAI/bge-small-en-v1.5"
• 设备："cpu"
• 相似度阈值：0.7（距离范围的上限）

快速开始

在 Claude Desktop 上运行

在 MacOS 上：~/Library/Application\ 支持/Claude/claude_desktop_config.json 在 Windows 上：%APPDATA%/Claude/claude_desktop_config.json%

配置如下：

{
  "lancedb": {
    "command": "uvx",
    "args": [
      "mcp-lance-db"
    ]
  }
}

开发

构建和发布

要准备分发包：

1. 同步依赖项并更新锁定文件：

uv sync

2. 构建包发行版本：

uv build

这将在 dist/ 目录下创建源代码和轮格式发行版。

3. 发布到 PyPI：

uv publish

注意：您需要通过环境变量或命令行参数设置 PyPI 资质信息：

• 令牌：--token 或 UV_PUBLISH_TOKEN
• 或者用户名/密码：--username/UV_PUBLISH_USERNAME 和 --password/UV_PUBLISH_PASSWORD

调试

由于 MCP 服务器通过标准输入输出运行，调试可能具有挑战性。为了获得最佳的调试体验，我们强烈推荐使用 MCP Inspector。

您可以通过以下命令启动 MCP Inspector：

npx @modelcontextprotocol/inspector uv --directory $(PWD) run mcp-lance-db

启动后，Inspector 会显示一个 URL，您可以将其在浏览器中打开以开始调试。