agents-libagents-lib
AgentsMCP ServersWorkflowsTutorialsComparisonsTemplatesNewsAbout
🔌

Cohere MCP

AI Providers•⭐ 740

Access Cohere models optimized for RAG, embeddings, and enterprise NLP.

GitHubWebsite →
Claude DesktopCursor

Overview

Access Cohere models optimized for RAG, embeddings, and enterprise NLP.

Setup

Run with npx:

npx -y @modelcontextprotocol/server-cohere

Configuration

COHERE_API_KEY environment variable

Documentation

Cohere MCP

Overview

Cohere MCP 是一个模型上下文协议服务器，允许 AI 代理与 Cohere API 进行交互。Cohere 是专注于企业级 NLP 的 AI 公司，其模型在文本生成、嵌入和检索增强生成（RAG）方面表现卓越。通过此 MCP 服务器，AI 可以访问 Cohere 的多种模型，包括 Command R+、Command R、Embed 等。

Cohere MCP 使得 AI 代理能够使用企业级的 NLP 模型，特别适合 RAG 应用、文本嵌入、多语言支持和企业级部署场景。

Features

  • 多模型支持：Command R+、Command R、Embed 等
  • RAG 优化：专为检索增强生成优化
  • 多语言支持：支持 100+ 语言
  • 嵌入模型：高质量的文本嵌入
  • 工具调用：原生支持工具调用
  • 企业级：SOC 2 合规，数据隐私保障

Installation

# 使用 npx 运行
npx -y @modelcontextprotocol/server-cohere

# 或使用 uvx
uvx mcp-server-cohere

Configuration

添加以下配置到 claude_desktop_config.json：

{
  "mcpServers": {
    "cohere": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-cohere"],
      "env": {
        "COHERE_API_KEY": "your-api-key"
      }
    }
  }
}

获取 Cohere API Key

  1. 访问 https://dashboard.cohere.com/
  2. 创建账户
  3. 转到 API Keys 页面
  4. 创建新密钥

Available Models

模型上下文窗口用途
command-r-plus128K高质量复杂任务
command-r128K平衡性能成本
embed-english-v3.0-文本嵌入
embed-multilingual-v3.0-多语言嵌入

Available Tools

ToolDescription
cohere_list_models列出可用模型
cohere_chat执行聊天请求
cohere_generate生成文本
cohere_embed生成嵌入向量
cohere_rerank重新排序搜索结果
cohere_classify文本分类
cohere_summarize文本摘要

Usage Examples

示例 1：RAG 应用

AI: 使用 Command R+ 基于检索的文档回答问题

Cohere MCP:
- 检索相关文档
- 调用 cohere_chat 使用 RAG 模式
- 返回基于文档的回答

示例 2：文本嵌入

AI: 为以下文本生成嵌入向量

Cohere MCP:
- 调用 cohere_embed
- 使用 embed-multilingual-v3.0
- 返回向量

示例 3：搜索结果重排序

AI: 对以下搜索结果进行重排序

Cohere MCP:
- 调用 cohere_rerank
- 传入查询和搜索结果
- 返回按相关性排序的结果

Pros

  • ✅ RAG 原生优化
  • ✅ 多语言支持（100+ 语言）
  • ✅ 高质量嵌入模型
  • ✅ 企业级安全和合规
  • ✅ 原生工具调用支持
  • ✅ 开源免费客户端

Cons

  • ❌ 模型选择相对较少
  • ❌ 需要 API Key
  • ❌ 某些功能需要付费
  • ❌ 社区规模相对较小

When to Use

  • 需要构建 RAG 系统时
  • 需要高质量文本嵌入时
  • 需要多语言支持时
  • 需要企业级部署时
  • 需要文本重排序时

Resources