返回 MCP 首页

Pinecone

@ 社区模板

Pinecone 是为大规模生产环境中构建准确且高性能的人工智能应用而提供的领先向量数据库
Vector Database
RAG
社区 MCP

MCP 服务接入 — Pinecone 向量数据库

通过 MCP 协议提供 Pinecone 高效的向量检索能力, 可以完成设置索引、插入数据或文本搜索等功能。

部署 MCP Server


环境变量

使用说明

Pinecone MCP Server 参考文档

🗺️ 功能清单

工具标识功能描述核心参数
search-docs搜索 Pinecone 官方文档,回答相关问题query 查询文本
list-indexes列出所有 Pinecone 索引无需参数
describe-index描述某个索引的配置name(索引名称)
describe-index-stats提供索引的数据统计信息,包括记录数量和可用的命名空间name(索引名称)
create-index-for-model创建一个新的索引,使用集成的推理模型将文本嵌入为向量name(索引名称) 、embed 配置 参考 EmbedOption
upsert-records向索引中插入或更新记录,使用集成的推理模型进行文本嵌入name(索引名称)、namespace (命令空间,自行指定) records(记录数组) ,例 [{ "_id": "rec1", "chunk_text": "The Eiffel Tower was completed in 1889 and stands in Paris, France.", "category": "history" }]
search-records在索引中搜索记录,使用集成的推理模型进行文本嵌入name(索引名称)、namespace (命令空间) 、query(查询配置)参考 QueryOption

EmbedOption

参数标识参数描述
model向量化使用的模型multilingual-e5-large,llama-text-embed-v2 ,pinecone-sparse-english-v0
fieldMap向量化使用的模型数据记录中包含要嵌入的文本内容的字段名称。索引中的记录必须包含此字段 ,示例 { text: 'chunk_text' }, 'chunk_test' 为字段名称

QueryOption

参数标识参数描述
topK相关性最高的前K条数字
inputs检索的文本串示例 { text: '检索内容' }

仓库地址

https://github.com/pinecone-io/pinecone-mcp


🔌 使用方式


云开发 MCP 控制台