使用Vertex AI搜索的MCP服务器

这是一个使用Vertex AI进行文档搜索的MCP服务器。

架构

此解决方案使用Gemini与Vertex AI绑定来利用您的私有数据进行文档搜索。 绑定通过将Gemini的响应基于存储在Vertex AI数据存储中的数据来提高搜索结果的质量。 我们可以将一个或多个Vertex AI数据存储集成到MCP服务器中。 有关绑定的更多详细信息，请参阅Vertex AI绑定文档。

如何使用

有两种方法可以使用此MCP服务器。 如果您想在Docker上运行它，由于项目中提供了Dockerfile，因此第一种方法会比较好。

1. 克隆仓库

# 克隆仓库
git clone git@github.com:ubie-oss/mcp-vertexai-search.git

# 创建虚拟环境
uv venv
# 安装依赖项
uv sync --all-extras

# 检查命令
uv run mcp-vertexai-search

安装Python包

该包尚未发布到PyPI，但可以从仓库安装。 我们需要一个从config.yml.template派生的配置文件来运行MCP服务器，因为Python包不包含配置模板。 请参阅附录A：配置文件以获取配置文件的详细信息。

# 安装包
pip install git+https://github.com/ubie-oss/mcp-vertexai-search.git

# 检查命令
mcp-vertexai-search --help

开发

预备条件

• uv
• Vertex AI数据存储
  • 有关数据存储的更多信息，请查阅官方文档

设置本地环境

# 可选：安装uv
python -m pip install -r requirements.setup.txt

# 创建虚拟环境
uv venv
uv sync --all-extras

运行MCP服务器

此服务器支持两种传输方式：SSE（服务器发送事件）和stdio（标准输入输出）。 我们可以通过设置--transport标志来控制传输方式。

我们可以使用YAML文件配置MCP服务器。 config.yml.template是配置文件的模板。 请根据需要修改配置文件。

uv run mcp-vertexai-search serve \
    --config config.yml \
    --transport <stdio|sse>

测试Vertex AI搜索

我们可以在没有MCP服务器的情况下使用mcp-vertexai-search search命令测试Vertex AI搜索。

uv run mcp-vertexai-search search \
    --config config.yml \
    --query <您的查询>

附录A：配置文件

config.yml.template是配置文件的模板。

• server
  • server.name: MCP服务器的名称
• model
  • model.model_name: Vertex AI模型的名称
  • model.project_id: Vertex AI模型的项目ID
  • model.location: 模型的位置（例如us-central1）
  • model.impersonate_service_account: 要模拟的服务账户
  • model.generate_content_config: 生成内容API的配置
• data_stores: Vertex AI数据存储列表
  • data_stores.project_id: Vertex AI数据存储的项目ID
  • data_stores.location: Vertex AI数据存储的位置（例如us）
  • data_stores.datastore_id: Vertex AI数据存储的ID
  • data_stores.tool_name: 工具的名称
  • data_stores.description: Vertex AI数据存储的描述