MCP MeasureMCP Measure

인덱스 관측됨

embedding-search

Cloudflare Workers MCP server: embedding-search

사용해야 할까요

품질 및 안전성

A
설명 품질
93%
스키마 완전성
90%
이름 품질
93%
오염 위험
100%
권한 일치
100%
프로토콜 준수
100%

도구 정의와 프로토콜 준수에 대한 자동 분석을 기반으로 합니다.

컨텍스트 비용

~293토큰 (도구 정의)
~747 B일반적인 응답 크기
최소한의 주의 영향 (128k 컨텍스트의 0.23%)

이는 서버의 도구가 모델의 컨텍스트에 로드될 때마다 소비되는 대략적인 토큰 수입니다. 수치가 높을수록 다른 작업에 사용할 수 있는 주의가 줄어듭니다.

설치

원클릭 설치

`claude_desktop_config.json` 파일에 다음을 추가하세요:

{
  "mcpServers": {
    "embedding-search": {
      "url": "https://api.lazy-mac.com/embedding-search/mcp"
    }
  }
}

원격 엔드포인트

https://api.lazy-mac.com/embedding-search/mcpstreamable-http

할 수 있는 일

도구 목록

도구 (3)

🟢 읽기 전용🟡 쓰기🔴 삭제⚪ 알 수 없음
⚪generate_embeddings(text, model)

Generate vector embeddings for one or more texts using Cloudflare Workers AI (bge-base-en-v1.5, 768-dim).

입력 스키마

{
  "type": "object",
  "properties": {
    "text": {
      "oneOf": [
        {
          "type": "string"
        },
        {
          "type": "array",
          "items": {
            "type": "string"
          }
        }
      ],
      "description": "Text or array of texts to embed"
    },
    "model": {
      "type": "string",
      "description": "CF AI model ID override"
    }
  },
  "required": [
    "text"
  ]
}
🟢semantic_search(query, documents, top_k, model)

Rank a list of documents against a query using cosine similarity of bge embeddings. Returns top-k matches with scores.

입력 스키마

{
  "type": "object",
  "properties": {
    "query": {
      "type": "string",
      "description": "Search query"
    },
    "documents": {
      "type": "array",
      "items": {
        "type": "string"
      },
      "description": "Candidate documents to rank"
    },
    "top_k": {
      "type": "integer",
      "description": "Number of results (default 5)"
    },
    "model": {
      "type": "string",
      "description": "CF AI model ID override"
    }
  },
  "required": [
    "query",
    "documents"
  ]
}
🟢compute_similarity(text_a, text_b, model)

Compute cosine similarity between two texts. Returns score in [-1,1]. Useful for dedup and relatedness.

입력 스키마

{
  "type": "object",
  "properties": {
    "text_a": {
      "type": "string"
    },
    "text_b": {
      "type": "string"
    },
    "model": {
      "type": "string"
    }
  },
  "required": [
    "text_a",
    "text_b"
  ]
}

커뮤니티

이 서버 평가하기

증거

최근 관측

검증됨버전이 기록되지 않음도구 3개
검증됨버전이 기록되지 않음도구 3개