MCP Server for Vertex AI Search

这是一个用于通过 Vertex AI 搜索文档的 MCP 服务器。

架构

该解决方案使用 Gemini 和 Vertex AI 接地来搜索您的私有数据文档。
接地通过将 Gemini 的响应基于存储在 Vertex AI Datastore 中的数据，提高了搜索结果的质量。
我们可以将一个或多个 Vertex AI 数据存储集成到 MCP 服务器中。
有关接地的更多详细信息，请参阅 Vertex AI Grounding 文档。

如何使用

有两种方法可以使用此 MCP 服务器。如果您希望在 Docker 上运行它，第一种方法会比较好，因为项目中提供了 Dockerfile。

1. 克隆仓库

# Clone the repository
git clone git@github.com:ubie-oss/mcp-vertexai-search.git

# Create a virtual environment
uv venv
# Install the dependencies
uv sync --all-extras

# Check the command
uv run mcp-vertexai-search

安装 Python 包

该包尚未发布到 PyPI，但我们可以从仓库安装它。
要运行 MCP 服务器，我们需要一个从 config.yml.template 衍生的配置文件，因为 Python 包不包含配置模板。
有关配置文件的详细信息，请参阅 附录 A：配置文件。

# Install the package
pip install git+https://github.com/ubie-oss/mcp-vertexai-search.git

# Check the command
mcp-vertexai-search --help

开发

前提条件

• uv
• Vertex AI 数据存储
  • 请查阅 关于数据存储的官方文档 以获取更多信息

设置本地环境

# Optional: Install uv
python -m pip install -r requirements.setup.txt

# Create a virtual environment
uv venv
uv sync --all-extras

运行 MCP 服务器

这支持两种传输方式：SSE（Server-Sent Events）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

我们可以使用 mcp-vertexai-search search 命令在没有 MCP 服务器的情况下测试 Vertex AI 搜索。

uv run mcp-vertexai-search search \
    --config config.yml \
    --query <your-query>

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: 要模拟的服务账号
  • 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