Pinecone

Servidor MCP para Desenvolvedores Pinecone

O Model Context Protocol (MCP) é um padrão que permite que assistentes de codificação e outras ferramentas de IA interajam com plataformas como a Pinecone. O Servidor MCP para Desenvolvedores Pinecone permite conectar essas ferramentas a projetos e documentação da Pinecone.

Uma vez conectado, as ferramentas de IA podem:

• Pesquisar a documentação da Pinecone para responder perguntas com precisão.
• Ajudar você a configurar índices com base nas necessidades da sua aplicação.
• Gerar código informado pela configuração e dados do seu índice, bem como pela documentação e exemplos da Pinecone.
• Inserir (upsert) e pesquisar dados em índices, permitindo testar consultas e avaliar resultados dentro do seu ambiente de desenvolvimento.

Consulte a documentação para informações mais detalhadas.

Este servidor MCP tem como foco melhorar a experiência de desenvolvedores que utilizam a Pinecone como parte de sua stack tecnológica. Ele é destinado ao uso com assistentes de codificação. A Pinecone também oferece o Assistant MCP, projetado para fornecer aos assistentes de IA contexto relevante proveniente da sua base de conhecimento.

Configuração

Para configurar o servidor MCP e acessar seu projeto Pinecone, você precisará gerar uma chave de API usando o console. Sem uma chave de API, sua ferramenta de IA ainda poderá pesquisar na documentação. No entanto, ela não poderá gerenciar ou consultar seus índices.

O servidor MCP requer Node.js v20 ou posterior. Certifique-se de que node e npx estejam disponíveis no seu PATH.

Em seguida, você precisará configurar seu assistente de IA para usar o servidor MCP.

Configurar o Cursor

Para adicionar o servidor MCP da Pinecone a um projeto, crie um arquivo .cursor/mcp.json na raiz do projeto (se ainda não existir) e adicione a seguinte configuração:

{
  "mcpServers": {
    "pinecone": {
      "command": "npx",
      "args": [
        "-y", "@pinecone-database/mcp"
      ],
      "env": {
        "PINECONE_API_KEY": "<your pinecone api key>"
      }
    }
  }
}

Você pode verificar o status do servidor em Cursor Settings > MCP.

Para habilitar o servidor globalmente, adicione a configuração ao .cursor/mcp.json no seu diretório inicial.

É recomendado usar regras para instruir o Cursor sobre o uso adequado do servidor MCP. Confira a documentação para algumas sugestões.

Configurar o Claude desktop

Use o Claude desktop para localizar o arquivo claude_desktop_config.json navegando até Settings > Developer > Edit Config. Adicione a seguinte configuração:

{
  "mcpServers": {
    "pinecone": {
      "command": "npx",
      "args": [
        "-y", "@pinecone-database/mcp"
      ],
      "env": {
        "PINECONE_API_KEY": "<your pinecone api key>"
      }
    }
  }
}

Reinicie o Claude desktop. Na nova tela de chat, você deve ver um ícone de martelo (MCP) aparecer com as novas ferramentas MCP disponíveis.

Usar como extensão do Gemini CLI

Para instalar isso como uma extensão do Gemini CLI, execute o seguinte comando:

gemini extensions install https://github.com/pinecone-io/pinecone-mcp

Você precisará fornecer sua chave de API da Pinecone na variável de ambiente PINECONE_API_KEY.

export PINECONE_API_KEY=<your pinecone api key>

Quando você executar gemini e pressionar ctrl+t, pinecone deve aparecer na lista de servidores MCP instalados.

Uso

Uma vez configurado, sua ferramenta de IA usará automaticamente o MCP para interagir com a Pinecone. Você pode ser solicitado a conceder permissão antes que uma ferramenta possa ser usada.

Exemplos de prompts

Aqui estão alguns prompts que você pode experimentar com seu assistente de IA:

• "Pesquise na documentação da Pinecone informações sobre filtragem de metadados"
• "Liste todos os meus índices Pinecone e descreva suas configurações"
• "Crie um novo índice chamado 'my-docs' usando o modelo multilingual-e5-large"
• "Faça upsert destes documentos no meu índice: [cole seus documentos]"
• "Pesquise no meu índice registros relacionados a 'boas práticas de autenticação'"
• "Quais namespaces existem no meu índice e quantos registros há em cada um?"

Ferramentas

O Servidor MCP para Desenvolvedores Pinecone fornece as seguintes ferramentas para uso dos assistentes de IA:

• search-docs: Pesquisa a documentação oficial da Pinecone.
• list-indexes: Lista todos os índices Pinecone.
• describe-index: Descreve a configuração de um índice.
• describe-index-stats: Fornece estatísticas sobre os dados no índice, incluindo o número de registros e namespaces disponíveis.
• create-index-for-model: Cria um novo índice que usa um modelo de inferência integrado para incorporar texto como vetores.
• upsert-records: Insere ou atualiza registros em um índice com inferência integrada.
• search-records: Pesquisa registros em um índice com base em uma consulta de texto, usando inferência integrada para incorporação. Tem opções para filtragem de metadados e reclassificação (reranking).
• cascading-search: Pesquisa registros em vários índices, deduplicando e reclassificando os resultados.
• rerank-documents: Reclassifica uma coleção de registros ou documentos de texto usando um modelo de reclassificação especializado.

Limitações

Apenas índices com inferência integrada são suportados. Assistentes, índices sem inferência integrada, embeddings independentes e busca vetorial não são suportados.

Solução de problemas

Servidor MCP não aparecendo na sua ferramenta de IA

• Certifique-se de que o Node.js v20 ou posterior esteja instalado: node --version
• Verifique se npx está disponível no seu PATH: which npx
• Confirme se o arquivo de configuração está no local correto e possui sintaxe JSON válida
• Reinicie sua ferramenta de IA após fazer alterações na configuração

Erros de "Invalid API key" ou autenticação

• Verifique se sua chave de API está correta no console da Pinecone
• Confirme se a variável de ambiente PINECONE_API_KEY está definida corretamente na sua configuração MCP
• Certifique-se de que não há espaços extras ou aspas ao redor do valor da chave de API

Ferramentas não funcionando como esperado

• O servidor MCP suporta apenas índices com inferência integrada. Se você está tentando usar um índice serverless sem inferência integrada, precisará criar um novo índice com um modelo de incorporação
• Verifique os logs do servidor MCP para mensagens de erro. No Cursor, visualize os logs em Cursor Settings > MCP

Problemas de conexão

• Se estiver usando uma rede corporativa, certifique-se de que seu firewall permita conexões com api.pinecone.io
• Tente executar o servidor manualmente para ver a saída detalhada de erros: PINECONE_API_KEY=<your-key> npx @pinecone-database/mcp

Contribuindo

Agradecemos sua colaboração para melhorar a experiência do MCP para desenvolvedores. Por favor, envie problemas no rastreador de issues do GitHub. Informações sobre como contribuir podem ser encontradas em CONTRIBUTING.md.