MCP Lancedb Node

LanceDB Node.js矢量搜索

使用LanceDB和Ollama的嵌入模型进行矢量搜索的Node.js实现。

概述

本项目演示了如何：

• 连接到LanceDB数据库
• 使用Ollama创建自定义嵌入函数
• 对存储的文档执行向量相似性搜索
• 处理和显示搜索结果

先决条件

• Node.js（v14或更高版本）
• Ollama在当地与 nomic-embed-text 模型
• 具有读/写权限的LanceDB存储位置

安装

1. 克隆存储库
2. 安装依赖项：

pnpm install

依赖项

• @lancedb/lancedb：用于Node.js的LanceDB客户端
• apache-arrow：用于处理列数据
• node-fetch：用于对Ollama进行API调用

用法

运行向量搜索测试脚本：

pnpm test-vector-search

或者直接执行：

node test-vector-search.js

配置

脚本连接到：

• LanceDB位于配置的路径上
• 使用 API http://localhost:11434/api/embeddings

MCP配置

要作为MCP服务与Claude Desktop集成，请将以下内容添加到MCP配置JSON中：

{
  "mcpServers": {
    "lanceDB": {
      "command": "node",
      "args": [
        "/path/to/lancedb-node/dist/index.js",
        "--db-path",
        "/path/to/your/lancedb/storage"
      ]
    }
  }
}

用实际安装路径替换路径：

• /path/to/lancedb-node/dist/index.js -编译后的index.js文件的路径
• /path/to/your/lancedb/storage -LanceDB存储目录的路径

自定义嵌入功能

该项目包括一个自定义 OllamaEmbeddingFunction 即：

• 向Ollama API发送文本
• 接收768维的嵌入件
• 格式化它们以与LanceDB一起使用

矢量搜索示例

该示例在“ai rag”表中搜索“如何定义成功标准”，显示结果及其相似性得分。

许可证

MIT许可证

贡献

欢迎投稿！请随时提交拉取请求。