🚀 parquet_mcp_server
一个功能强大的MCP（模型控制协议）服务器，提供用于执行网络搜索和查找相似内容的工具。此服务器专为Claude Desktop设计，能为需要网络搜索功能的应用程序，以及需要根据搜索查询查找类似内容的项目提供有力支持。
🚀 快速开始
parquet_mcp_server是一个强大的MCP服务器，可用于执行网络搜索和查找相似内容。下面将详细介绍其安装、使用、测试等步骤。
✨ 主要特性
- 网络搜索：执行网络搜索并抓取结果。
- 相似性搜索：从之前的结果中提取相关信息。
📦 安装指南
通过Smithery安装
自动使用Smithery安装Parquet MCP Server for Claude Desktop：
npx -y @smithery/cli install @DeepSpringAI/parquet_mcp_server --client claude
克隆此仓库
git clone ...
cd parquet_mcp_server
创建并激活虚拟环境
uv venv
.venv\Scripts\activate # 在Windows上
source .venv/bin/activate # 在macOS/Linux上
安装包
uv pip install -e .
环境变量配置
创建一个.env文件，并添加以下变量：
EMBEDDING_URL=http://sample-url.com/api/embed # 向量嵌入服务地址
VECTOR_DB_HOST=host.docker.internal # PostgreSQL向量数据库的主机名或IP地址
VECTOR_DB_PORT=5432 # PostgreSQL端口，默认为5432
VECTOR_DB_NAME=vector_db # 数据库名称
VECTOR_DB_USER=postgres # 数据库用户名
VECTOR_DB_PASSWORD=postgres # 数据库密码
💻 使用示例
安装PostgreSQL和pgVector扩展
- 在PostgreSQL中创建一个新数据库并启用pgVector扩展：
CREATE EXTENSION vector;
- 创建用于存储搜索结果的表：
CREATE TABLE web_search (
id SERIAL PRIMARY KEY,
text TEXT, # 存储完整的网页内容或文本片段
metadata JSONB, # 包含URL、标题等元数据
embedding VECTOR(1024), # 文本对应的向量嵌入，维度为1024
created_at TIMESTAMP DEFAULT NOW() # 记录创建时间
);
📚 详细文档
测试指南
初始化数据库
使用以下命令初始化PostgreSQL数据库并插入示例数据：
psql -h host.docker.internal -U postgres -d vector_db -f init.sql
搜索测试
向服务器发送一个包含嵌入向量的搜索请求，例如：
POST /api/search HTTP/1.1
Content-Type: application/json
{
"embedding": [0.1, 0.2, ..., 0.3], # 长度为1024的向量
"match_threshold": 0.7, # 相似性阈值，默认0.7
"match_count": 5 # 最大返回结果数，默认5
}
PostgreSQL相似性搜索函数
为了在PostgreSQL中执行基于向量的相似性搜索，请使用以下SQL函数：
-- 创建用于相似性搜索的函数
CREATE OR REPLACE FUNCTION match_web_search(
query_embedding vector(1024), # 查询向量，长度必须为1024
match_threshold float, # 相似性阈值
match_count int # 最大返回结果数，默认5
)
RETURNS TABLE (
id bigint,
metadata jsonb,
text TEXT, # 返回完整的文本内容
created_at TIMESTAMP, # 返回创建时间戳
similarity float
)
LANGUAGE plpgsql
AS $$
BEGIN
RETURN QUERY
SELECT
web_search.id,
web_search.metadata,
web_search.text,
web_search.created_at,
1 - (web_search.embedding <=> query_embedding) as similarity
FROM web_search
WHERE 1 - (web_search.embedding <=> query_embedding) > match_threshold
ORDER BY web_search.created_at DESC, # 按时间排序，最新结果优先
web_search.embedding <=> query_embedding # 按相似性排序
LIMIT match_count; # 限制返回结果数量
END;
$$;
这个函数允许在PostgreSQL中执行基于向量的相似性搜索，根据指定的阈值和结果数限制返回符合条件的结果。结果按时间戳降序排列，再按相似性排序。
后端代码示例
以下是后端服务的一个简单实现示例：
from fastapi import FastAPI, HTTPException
import requests
import json
from typing import List, Optional
app = FastAPI()
class SearchResults(BaseModel):
id: int
metadata: dict
text: str
created_at: datetime
similarity: float
@app.post("/api/search", response_model=List[SearchResults])
async def search(web_search: WebSearch) -> List[SearchResults]:
try:
# 执行相似性搜索查询
response = requests.post(
"http://localhost:8000/api/vector/search",
json={
"vector": web_search.embedding,
"threshold": 0.7,
"count": 5
}
)
if response.status_code != 200:
raise HTTPException(status_code=500, detail="搜索失败")
return response.json()
except Exception as e:
raise HTTPException(status_code=500, detail=str(e))
🔧 技术细节
其他注意事项
⚠️ 重要提示
- 确保PostgreSQL版本为13或更高，以支持向量数据类型。
- pgVector扩展必须正确安装，并且数据库已启用该扩展。
- 网络搜索功能依赖于第三方爬虫工具（如
requests和beautifulsoup4），请确保这些库已安装并配置正确。- 在生产环境中使用时，请根据实际需求调整相似性阈值和结果返回数量。