MCP矢量搜索服务器
模型上下文协议（MCP）服务器，为ChatGPT提供语义搜索和文档检索功能，由OpenAI的矢量存储API提供支持。
特性
search工具：对OpenAI矢量存储执行语义搜索。fetch工具：检索完整的文档内容和元数据。list_agents工具收集所有OpenAI助理（代理）的JSON数据。list_vector_stores工具：列出可用的矢量库及其状态。list_store_files工具：检索存储中文件的JSON清单。get_app_data工具：检查当前服务器配置和运行状况。upload_file/delete_file工具：管理矢量存储内容。- 远程就绪：针对通过SSE在Render上的部署进行了优化。
要渲染的部署
此存储库已“蓝图就绪”，可用于渲染。
- 创建私有存储库：将此代码推送到新的私有GitHub存储库。
- 通过蓝图部署:
- 去 渲染仪表板. - 点击 新 > 蓝图. - 连接您的GitHub存储库。 - 渲染将使用 render.yaml 文件来设置服务。
- 配置环境变量:
在服务的Render仪表板中，导航到 环境 并添加： - OPENAI_API_KEY：您的OpenAI API密钥。 - VECTOR_STORE_ID：您的OpenAI矢量存储的ID。
连接到ChatGPT
- 打开ChatGPT并转到 设置 > 个性化 > 模型上下文协议.
- 点击 添加新服务器 > 远程（SSE）.
- 名字:
Vector Store Search - 统一资源定位符:
https://your-service-name.onrender.com/sse（替换为实际的渲染URL）。 - 保存 开始使用你的矢量存储工具！
本地开发
# Install dependencies
pip install -r requirements.txt
# Set local environment variables
export OPENAI_API_KEY="your-key"
export VECTOR_STORE_ID="your-id"
# Run the server
python mcp_server.py