返回 MCP 首页
Vectorize
@ 社区模板
Vectorize 自动提取数据，使用 RAG 评估找到最佳向量化策略，并让您快速部署非结构化数据的实时 RAG 管道
MCP 服务接入 — Vectorize
通过 MCP 协议 Vectorize 的能力, 可基于 Vectorize 上配置好的 RAG 流水线执行检索或深度研究。
Vectorize 帮助您更快、更轻松地构建人工智能应用。它自动提取数据，使用 RAG 评估找到最佳向量化策略，并让您快速部署非结构化数据的实时 RAG 管道。您的向量搜索索引始终保持最新，并且它可以与您现有的向量数据库集成，让您完全控制自己的数据。Vectorize 处理繁重的工作，使您能够专注于构建强大的人工智能解决方案，而无需陷入数据管理的泥潭
Vectorize RAG 流水线示意图
环境变量
- 需要将 VECTORIZE_ORG_ID 配置为 您在 Vectorize 平台的 组织ID
- 需要将 VECTORIZE_PIPELINE_ID 配置为 您在 Vectorize 平台创建的 RAG 流水线ID
- 需要将 VECTORIZE_TOKEN 配置为 您在 Vectorize 平台的 Token
使用说明
🗺️ 功能清单
| 工具标识 | 功能描述 | 核心参数 |
|---|---|---|
retrieve | 执行向量检索，返回与查询最相关的文档内容。 | question（查询文本），k（返回的文档数量） |
extract | 从文件中提取文本内容，并将其转换为 Markdown 格式。 | base64document（Base64 编码的文件内容），contentType（文件类型） |
deep-research | 生成私有的深度研究内容，支持 Web 搜索。 | query（查询文本），webSearch（是否启用 Web 搜索） |
仓库地址
https://github.com/vectorize-io/vectorize-mcp-server
🔌 使用方式
关注或联系我们
