该项目是一个MCP（Model Context Protocol）服务器，旨在通过标准化协议将大型语言模型（LLM）连接到Vectara的可信赖检索增强生成（RAG）平台，允许LLM利用外部知识库获取更准确的信息。

主要功能点

Vectara问答 (ask_vectara): 允许LLM向Vectara发起RAG（检索增强生成）查询。服务器会根据查询从指定的Vectara语料库中检索相关信息，并使用Vectara的生成能力生成回答，减少幻觉。
Vectara搜索 (search_vectara): 允许LLM向Vectara发起纯语义搜索查询。服务器会从指定的Vectara语料库中检索匹配的文档片段，但不进行生成式回答，只返回搜索结果。

安装步骤

通过Python的包管理器pip安装非常简单：

pip install vectara-mcp

服务器配置

Vectara MCP服务器需要被支持MCP协议的客户端（如Claude Desktop或其他兼容客户端）启动。客户端需要配置如何启动这个服务器进程。您需要将类似以下的配置信息添加到您的MCP客户端配置文件中（具体位置和格式请参考您的MCP客户端文档，以下是一个示例 JSON 结构，常用于客户端配置的 'mcpServers' 部分）：

{
  "YourServerName": {
    "command": "vectara-mcp",
    "args": []
  }
}

'YourServerName': 您可以为这个服务器连接起一个易于识别的名称，例如 "Vectara RAG 服务"。
'command': 启动Vectara MCP服务器的可执行命令。在通过pip安装后，通常是 'vectara-mcp'。
'args': 启动命令所需的额外参数列表。对于vectara-mcp，通常不需要额外参数，保持空列表 '[]' 即可。

完成配置后，通常需要完全关闭并重新打开您的MCP客户端应用程序，以加载新的服务器配置。

基本使用方法

配置并重启MCP客户端后，如果连接成功，您应该能在客户端界面中看到Vectara MCP服务器提供的工具列表（通常会有特定的图标指示，例如锤子图标）。您可以在与LLM的对话中通过提及工具名称并提供必要参数来调用它们。服务器会要求您提供必要的认证信息（如Vectara API密钥）和要使用的语料库键。

示例调用方式（具体语法可能因客户端而异）：

进行RAG问答：'ask-vectara [您的查询内容]' (客户端或服务器会提示您提供API密钥和语料库键)
进行纯搜索：'search-vectara [您的查询内容]' (客户端或服务器会提示您提供API密钥和语料库键)

在首次使用工具时，LLM客户端可能会自动识别工具所需的参数（如 'api_key' 和 'corpus_keys'），并询问您提供这些信息。

关键词

信息