MCP vector sync

MCP搜索检索

提供方 qtoexdj

搜索检索 stdio · 本地进程 API Key 社区 / 第三方
查看接入方式

MCP向量同步服务是一个基于事件的自动化多租户搜索向量同步服务,与Supabase集成。它通过接收Supabase的实时通知,使用OpenAI生成向量嵌入,并更新项目向量表,以保持高效的向量搜索。该服务实现了MCP(模型上下文协议)来暴露同步工具和资源。

一句话选型结论

按资料字段整理

MCP vector sync 属于搜索检索类 MCP 服务器,stdio · 本地进程,API Key,有可直接执行的安装命令。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。

分类搜索检索 传输方式stdio · 本地进程 鉴权API Key 部署方式本地部署
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

搜索检索
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

适用场景

向量搜索数据同步多租户服务

安装与配置

stdio · 本地进程 API Key
客户端在本机拉起子进程,数据不出本机
docker run -p 3000:3000 --env-file .env mcp-vector-sync

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Docker,再按安装命令拉取依赖。

  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
联网搜索取证

让模型查最新资料并给出出处。

资料聚合

把一个主题的网页、文档集中抓回来整理。

情报与竞品检索

按关键词持续检索行业动态和竞品信息。

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

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好API Key对应的凭据,并按最小权限配置。
  • 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

  • 需要在搜索检索场景里让模型直接调用外部能力的人。
  • 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

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 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
MCP vector sync当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Brave Search 433812ff 2 未标注 未标注 无 2026-05-17
Sequentialthinking 1 SSE · 服务端推送 远程部署 有 2026-05-18
Baidu Netdisk 未标注 未标注 未标注 无 2026-05-17
ragflow 未标注 stdio · 本地进程 本地部署 有 2026-04-11
mindsdb (430e18) 未标注 未标注 未标注 有 2026-05-17

服务器档案

搜索检索
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qtoexdj上游标注的维护方 qtoexdj
分类搜索检索本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式API Key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 · Docker本地安装时用到的包标识与运行时
部署类型本地部署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

1.7 KB
来自项目仓库与上游目录的原文,未做删改

基本能力

产品定位

MCP向量同步服务是一个基于事件的自动化多租户搜索向量同步服务,与Supabase集成,用于高效维护向量搜索数据。

核心功能

  • 基于100%事件的系统(直接从Supabase接收webhooks)
  • 使用OpenAI生成向量嵌入
  • 即时处理项目变更
  • 自动重试机制,采用指数退避策略
  • 审计日志记录,用于调试和监控
  • 多租户同步,数据完全隔离
  • 暴露MCP工具用于控制和监控
  • 健康检查服务器用于监控
  • 使用Docker容器化,便于部署
  • 兼容Railway生产部署

适用场景

  • 需要实时同步向量搜索数据的多租户应用
  • 使用Supabase作为后端数据库的项目
  • 需要高效向量搜索的应用

使用教程

使用依赖

  • Node.js >= 18
  • Supabase,包含proyectos和proyecto_vector表
  • OpenAI API Key
  • Docker(用于部署)

安装教程

  1. 安装依赖:```bash
    npm install
2. 配置环境变量(在项目根目录创建`.env`文件)
3. 开发模式运行:```bash
npm run dev

Docker部署```bash

构建镜像

docker build -t mcp-vector-sync .

运行容器

docker run -p 3000:3000 --env-file .env mcp-vector-sync

或使用Docker Compose:```bash
docker-compose up

Railway部署

  1. 创建GitHub仓库并上传代码
  2. 在Railway创建新项目,选择GitHub仓库
  3. Railway会自动检测Dockerfile
  4. 在"Variables"部分配置环境变量
  5. 部署服务

调试方式

  • 检查OpenAI API Key是否正确
  • 确认Supabase URL和service key正确
  • 查看webhook_logs表诊断webhook问题
  • 设置LOG_LEVEL=debug获取详细日志
  • 监控健康检查端点:/health

常见问题

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

在客户端按下面的安装命令接入:docker run -p 3000:3000 --env-file .env mcp-vector-sync。装完在客户端配置里引用同一个包或端点。

MCP vector sync 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

MCP vector sync 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。

MCP vector sync 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

MCP vector sync 能提供哪些能力?

资料显示能力标签包括 向量搜索、Docker、数据同步、多租户。具体工具清单以官方文档为准。

MCP vector sync 需要什么运行环境?

运行时为 Docker;属于本地进程,需要在本机装好运行环境。

MCP vector sync 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

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。