Bun Vector MCP

MCP数据服务

提供方 mjweaver01

数据服务 未标注 无需鉴权 社区 / 第三方 Claude DesktopClaude

Vector MCP Server with Bun 是一个基于 Bun 构建的类型安全向量数据库,使用 SQLite 存储和混合问题嵌入技术,提供高级语义搜索功能。

一句话选型结论

按资料字段整理

Bun Vector MCP 属于数据服务类 MCP 服务器,传输方式未标注,无需鉴权,可直接接入 Claude Desktop、Claude,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类数据服务 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

数据服务
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

向量数据库TypeScript本地部署语义搜索SQLiteAI集成RAG

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
数据库查询

用自然语言查库、取数,不用手写 SQL。

数据同步与清洗

把多来源数据拉到一处做整理。

报表取数

按口径快速拉出统计结果。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 已适配 Claude Desktop、Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在数据服务场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Bun Vector MCP当前 未标注 未标注 未标注 无 2026-05-17
Memory 9d25f64e 9 未标注 未标注 无 2026-05-17
Getzep MCP 9 stdio · 本地进程 本地部署 有 2026-05-17
anything-llm 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Prisma MCP Server 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Astr Bot 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

数据服务
字段来自项目仓库与公开索引,中文说明由本站标注
提供方mjweaver01上游标注的维护方 mjweaver01
分类数据服务本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

6.4 KB
来自项目仓库与上游目录的原文,未做删改

带Bun的矢量MCP服务器

使用Bun构建的类型安全向量数据库,使用SQLite进行存储,使用基于混合问题的嵌入进行高级语义搜索。

特性

  • 🚀 采用丁腈橡胶制造,实现最佳性能
  • 📊 基于SQLite的存储使用 bun:sqlite
  • 🤖 AI SDK集成,支持多个提供商
  • 🧠 基于混合问题的RAG,使用假设问题嵌入(HQE)
  • 📄 支持PDF、文本、CSV和代码文件
  • 🌐 基于网站地图的网络内容摄取
  • 🔍 基于加权混合相似度的高级语义搜索
  • 🛡️ 使用TypeScript实现完全类型安全
  • 🌐 用于搜索和提问的REST API

安装```bash

bun install


### SQLite设置(苹果硅)

如果你在苹果Silicon Mac上遇到SQLite错误,你需要ARM64 Homebrew:```bash
# 1. Install ARM64 Homebrew
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 2. Add to PATH
echo 'eval "$(/opt/homebrew/bin/brew shellenv)"' >> ~/.zshrc
source ~/.zshrc

# 3. Install ARM64 SQLite
/opt/homebrew/bin/brew install sqlite

# 4. Verify it's ARM64
file /opt/homebrew/opt/sqlite/lib/libsqlite3.dylib

用于网站地图摄取(可选)

如果您计划使用站点地图摄取功能,请安装Playwright浏览器:```bash
bunx playwright install chromium


这会下载一个真正的Chromium浏览器,在抓取网站时绕过机器人检测。

## 配置

此项目使用 **AI SDK** 用于嵌入和LLM功能。您可以使用LMStudio、OpenAI或任何与OpenAI兼容的API。

### LMStudio设置(建议用于本地)

1. 下载并安装 LMStudio
1. 在LMStudio中加载您喜欢的嵌入模型和LLM
1. 启动LMStudio服务器(默认: `http://localhost:1234`)
1. 创建一个 `.env` 文件(可选,默认值适用于LMStudio):```bash
AI_PROVIDER=openai
AI_BASE_URL=http://localhost:1234/v1
AI_API_KEY=lm-studio

# Model names (must match models loaded in LMStudio)
LLM_MODEL=llama-3.2-3b-instruct
EMBEDDING_MODEL=text-embedding-nomic-embed-text-v1.5

OpenAI或其他云提供商```bash

AI_PROVIDER=openai
AI_BASE_URL=https://api.openai.com/v1
AI_API_KEY=your-openai-api-key
LLM_MODEL=gpt-4.1-mini
EMBEDDING_MODEL=text-embedding-3-small


## MCP集成

该矢量数据库可以用作具有Claude Desktop或其他MCP客户端的MCP(模型上下文协议)服务器。

### 使用Claude Desktop进行设置

1. 添加到您的Claude桌面配置(`~/Library/Application Support/Claude/claude_desktop_config.json`):```json
{
"mcpServers": {
"mw-vector": {
"command": "bun",
"args": ["mcp.ts"],
"cwd": "PUBLIC_ENDPOINT"
}
}
}
  1. 重新启动克劳德桌面

  2. 在Claude中使用以下工具:

  • vector_search -搜索类似内容
  • vector_ask -提问并获得人工智能生成的答案(RAG)
  • vector_status -检查数据库状态

用法

1.馈送文档

选项A:本地文件

将您的PDF、文本、CSV或代码文件放入 ./source 目录,然后运行:```bash
bun run feed


或者指定一个自定义目录:```bash
bun scripts/feed-files.ts /path/to/your/documents

选项B:网站网站地图

使用网站地图从网站获取内容:```bash
bun run feed-sitemap https://docs.example.com/sitemap.xml


这将:

- 解析站点地图(处理嵌套的站点地图索引)
- 启动真正的Chrome浏览器(通过Playwright)
- 访问每个URL并提取呈现的内容
- 通过同一RAG管道处理内容

**注:** 这使用Playwright浏览器自动化来绕过机器人检测(Cloudflare等)。首次运行时,请确保已安装浏览器: `bunx playwright install chromium`

#### 摄入过程中会发生什么

摄入过程将:

- 从所有支持的文件(PDF、TXT、CSV、代码文件或网页)中提取文本
- 将内容分割成块(有重叠)
- 使用LLM为每个块生成假设问题
- 使用配置的嵌入模型为内容和问题生成嵌入
- 将所有内容存储在SQLite数据库中

### 2.启动API服务器```bash
bun start

或者在开发过程中进行热重新加载:```bash
bun run dev


服务器将于启动 `http://localhost:1738`

### 3.搜索或提问

#### 搜索类似文档```bash
curl -X POST http://localhost:1738/search \
-H "Content-Type: application/json" \
-d '{"query": "your search query", "topK": 5}'

提问(RAG与LLM)```bash

curl -X POST http://localhost:1738/ask \
-H "Content-Type: application/json" \
-d '{"question": "What is the conjugate method?"}'
```

API终点

GET /

健康检查和API信息

GET /health

服务器运行状况和文档计数

POST /search

搜索类似文档

运作原理

基于混合问题的向量搜索

该系统使用先进的 假设问题嵌入(HQE) 方法:

  1. 摄入:
  • 文档被解析并拆分为重叠的块
  • 对于每个块,LLM生成5个假设问题,该块将回答这些问题
  • 内容和问题都嵌入其中
  • 所有包含元数据的嵌入都存储在SQLite中
  1. 搜索:
  • 使用相同的模型嵌入查询文本
  • 混合评分:针对问题嵌入(60%权重)和内容嵌入(40%权重)计算相似性
  • 这更准确地匹配了用户查询,因为查询自然是类似问题的
  1. 结果:根据加权混合分数返回Top-K最相似的块

为什么这效果更好: 像“我应该如何训练?”这样的用户查询与“什么是有效的训练方法?”等嵌入式问题比与关于训练方法的原始内容块更接近。

RAG(检索增强生成)

  1. 检索:该问题首先用于搜索最相关的文档块(混合向量搜索)
  2. 上下文:将相关块组合在一起,形成LLM的上下文
  3. 生成:本地LLM根据问题和检索到的上下文生成答案
  4. 响应:答案与源引用一起返回

技术细节

配置

  • 提供者:AI SDK(LMStudio/OpenAI等)
  • 嵌入模型:可通过环境变量配置(默认:nomic嵌入文本)
  • 嵌入尺寸:768(nomic嵌入文本的默认值)
  • 组块大小:1200个字符,400个字符重叠
  • 每块问题:5(可在中配置 src/constants/rag.ts)
  • 混合搜索权重:60%的问题相似性,40%的内容相似性
  • 相似性度量:余弦相似性
  • 数据库:SQLite通过 bun:sqlite

演出

  • LMStudio:确保模型在运行前已加载
  • 云提供商:API费率限制和费用可能适用
  • 可以使用更强大的模型来获得更好的结果

许可证

麻省理工学院

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
Bun Vector MCP 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Bun Vector MCP 怎么在 Claude Desktop、Claude 里配置?

它的传输方式未标注,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Bun Vector MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Bun Vector MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Bun Vector MCP 支持哪些客户端?

资料标注支持 Claude Desktop、Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Bun Vector MCP 能提供哪些能力?

资料显示能力标签包括 向量数据库、搜索、TypeScript、Claude、RAG。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。