克罗玛数据库

@privetin/chroma
1 Stars 424 次浏览 privetin 更新于 2026-08-23

一个通过Chroma提供向量数据库功能的Model Context Protocol服务器,支持语义文档搜索、元数据过滤和具有持久存储的文档管理。

MCP 服务配置

复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用

{
  "mcpServers": {
    "chroma": {
      "args": [
        "--directory",
        "C:/MCP/server/community/chroma",
        "run",
        "chroma"
      ],
      "command": "uv"
    }
  }
}

服务介绍

Chroma MCP 服务器

这是一个通过 Chroma 提供向量数据库功能的模型上下文协议 (MCP) 服务器实现。该服务器支持语义文档搜索、元数据过滤以及具有持久存储功能的文档管理。

要求

  • Python 3.8+
  • Chroma 0.4.0+
  • MCP SDK 0.1.0+

组件

资源

服务器通过 Chroma 的向量数据库提供文档存储和检索:

  • 存储带有内容和元数据的文档
  • 数据持久化在 src/chroma/data 目录中
  • 支持语义相似性搜索

工具

服务器实现了 CRUD 操作和搜索功能:

文档管理

  • create_document: 创建新文档

    • 必需: document_id, content
    • 可选: metadata(键值对)
    • 返回: 成功确认
    • 错误: 已存在, 输入无效
  • read_document: 根据 ID 检索文档

    • 必需: document_id
    • 返回: 文档内容和元数据
    • 错误: 未找到
  • update_document: 更新现有文档

    • 必需: document_id, content
    • 可选: metadata
    • 返回: 成功确认
    • 错误: 未找到, 输入无效
  • delete_document: 删除文档

    • 必需: document_id
    • 返回: 成功确认
    • 错误: 未找到
  • list_documents: 列出所有文档

    • 可选: limit, offset
    • 返回: 包含内容和元数据的文档列表

搜索操作

  • search_similar: 查找语义上相似的文档
    • 必需: query
    • 可选: num_results, metadata_filter, content_filter
    • 返回: 带有距离分数的相似文档排名列表
    • 错误: 过滤器无效

特性

  • 语义搜索: 使用 Chroma 的嵌入根据含义查找文档
  • 元数据过滤: 通过元数据字段过滤搜索结果
  • 内容过滤: 基于文档内容进行额外过滤
  • 持久存储: 在服务器重启之间数据保存在本地目录
  • 错误处理: 全面的错误处理并附带清晰的消息
  • 重试逻辑: 对暂时性故障自动重试

安装

  1. 安装依赖项:
uv venv
uv sync --dev --all-extras

配置

Claude Desktop

将服务器配置添加到您的 Claude Desktop 配置文件中:

Windows: C:\Users\<username>\AppData\Roaming\Claude\claude_desktop_config.json

MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "chroma": {
      "command": "uv",
      "args": [
        "--directory",
        "C:/MCP/server/community/chroma",
        "run",
        "chroma"
      ]
    }
  }
}

数据存储

服务器存储数据的位置为:

  • Windows: src/chroma/data
  • MacOS/Linux: src/chroma/data

使用

  1. 启动服务器:
uv run chroma
  1. 使用 MCP 工具与服务器交互:
# Create a document
create_document({
    "document_id": "ml_paper1",
    "content": "Convolutional neural networks improve image recognition accuracy.",
    "metadata": {
        "year": 2020,
        "field": "computer vision",
        "complexity": "advanced"
    }
})

# Search similar documents
search_similar({
    "query": "machine learning models",
    "num_results": 2,
    "metadata_filter": {
        "year": 2020,
        "field": "computer vision"
    }
})

错误处理

服务器为常见情况提供了清晰的错误消息:

  • Document already exists [id=X]
  • Document not found [id=X]
  • Invalid input: Missing document_id or content
  • Invalid filter
  • Operation failed: [details]

开发

测试

  1. 运行 MCP Inspector 进行交互式测试:
npx @modelcontextprotocol/inspector uv --directory C:/MCP/server/community/chroma run chroma
  1. 使用检查器的 Web 界面来:
    • 测试 CRUD 操作
    • 验证搜索功能
    • 检查错误处理
    • 监控服务器日志

构建

  1. 更新依赖项:
uv compile pyproject.toml
  1. 构建包:
uv build

贡献

欢迎贡献!请阅读我们的贡献指南以了解有关以下内容的详细信息:

  • 代码风格
  • 测试要求
  • 拉取请求流程

许可证

本项目根据 MIT 许可证授权 - 详情请参阅 LICENSE 文件。

相关 MCP 服务