Pinecone

Pinecone MCP 서버는 Pinecone의 벡터 데이터베이스와 통합되어 LLM(대규모 언어 모델)이 벡터 검색 및 임베딩 기능에 접근할 수 있도록 해주는 도구입니다. 이 서버는 RAG(Retrieval-Augmented Generation) 애플리케이션 개발을 위한 강력한 기능을 제공합니다.

특징

• Pinecone 인덱스 검색 및 쿼리 기능
• 텍스트를 벡터로 변환하여 Pinecone에 저장
• 시맨틱 검색을 통한 관련 문서 검색
• 메타데이터 필터링을 통한 고급 검색 기능
• Pinecone 인덱스 생성 및 관리 기능

API

리소스

• pinecone://indexes - 사용 가능한 Pinecone 인덱스 목록
• pinecone://indexes/{index_name} - 특정 인덱스의 정보
• pinecone://indexes/{index_name}/stats - 인덱스 통계 정보
• pinecone://indexes/{index_name}/vector/{id} - 특정 벡터의 상세 정보

도구

쿼리 도구

query_vectors

벡터 쿼리를 실행하여 유사한 벡터를 검색합니다. - 입력: - index_name: 쿼리할 인덱스 이름 - vector: 검색할 벡터 또는 벡터 ID - top_k: 반환할 결과 수 (기본값: 10) - filter: 메타데이터 필터링 조건 (선택 사항) - namespace: 네임스페이스 (선택 사항)

text_query

텍스트 쿼리를 벡터로 변환한 후 유사한 벡터를 검색합니다. - 입력: - index_name: 쿼리할 인덱스 이름 - text: 검색할 텍스트 - top_k: 반환할 결과 수 (기본값: 10) - filter: 메타데이터 필터링 조건 (선택 사항) - namespace: 네임스페이스 (선택 사항)

데이터 관리 도구

upsert_vectors

벡터를 인덱스에 삽입하거나 업데이트합니다. - 입력: - index_name: 대상 인덱스 이름 - vectors: 삽입/업데이트할 벡터 배열 - namespace: 네임스페이스 (선택 사항)

upsert_text

텍스트를 벡터로 변환하여 인덱스에 삽입하거나 업데이트합니다. - 입력: - index_name: 대상 인덱스 이름 - texts: 삽입/업데이트할 텍스트 배열 - metadata: 연관된 메타데이터 (선택 사항) - namespace: 네임스페이스 (선택 사항)

delete_vectors

벡터를 인덱스에서 삭제합니다. - 입력: - index_name: 대상 인덱스 이름 - ids: 삭제할 벡터 ID 배열 - namespace: 네임스페이스 (선택 사항)

인덱스 관리 도구

create_index

새 Pinecone 인덱스를 생성합니다. - 입력: - name: 인덱스 이름 - dimension: 벡터 차원 수 - metric: 유사도 측정 방법 (기본값: "cosine") - pods: 파드 수 및 유형 (선택 사항)

delete_index

Pinecone 인덱스를 삭제합니다. - 입력: - name: 삭제할 인덱스 이름

사용 방법

설치

# NPM 패키지 설치
npm install @pinecone-database/mcp-server

# 또는 npx로 직접 실행
npx @pinecone-database/mcp-server

구성

Claude Desktop에서 Pinecone MCP 서버를 사용하려면 다음과 같이 구성 파일을 설정합니다:

{
  "mcpServers": {
    "pinecone": {
      "command": "npx",
      "args": ["@pinecone-database/mcp-server"],
      "env": {
        "PINECONE_API_KEY": "<Your Pinecone API Key>",
        "PINECONE_ENVIRONMENT": "<Your Pinecone Environment>"
      }
    }
  }
}

사용 예시

다음은 Pinecone MCP 서버를 사용하여 시맨틱 검색을 수행하는 예시입니다:

1. 텍스트 쿼리 실행:

   클라이언트: "Pinecone을 사용하여 '인공지능의 미래'에 관련된 문서를 찾아줘."

2. Claude는 Pinecone MCP 서버의 text_query 도구를 사용하여 쿼리 실행:

   검색 결과:
   1. "AI 기술의 발전 추세와 전망" (유사도: 0.89)
   2. "머신러닝과 딥러닝의 미래" (유사도: 0.82)
   3. "인공지능이 사회에 미치는 영향 분석" (유사도: 0.78)
   ...

연결된 구성 요소

• Chroma - 다른 벡터 데이터베이스 MCP 서버
• Weaviate - 벡터 검색 및 구조화된 데이터를 위한 MCP 서버
• LlamaIndex - 벡터 인덱스 및 데이터 로딩 MCP 서버
• Needle - 즉시 사용 가능한 RAG 솔루션 MCP 서버