Pinecone MCP

Overview

Pinecone MCP 是一个模型上下文协议服务器，允许 AI 代理与 Pinecone 向量数据库进行交互。通过此 MCP 服务器，AI 可以搜索向量、管理索引、处理元数据过滤和命名空间操作。这对于 RAG 应用、语义搜索和推荐系统场景非常有用。

Pinecone MCP 使得 AI 代理能够直接操作托管的向量数据库，自动进行语义搜索、管理知识库、执行相似性匹配。它特别适合构建生产级 RAG 系统、推荐系统和语义搜索应用。

Features

• 索引管理：列出、创建、描述索引
• 向量搜索：执行相似性搜索、过滤搜索
• 命名空间管理：管理命名空间数据
• 点操作：插入、更新、删除向量
• 元数据过滤：使用元数据进行过滤搜索
• 批量操作：批量插入和删除向量
• 查询分析：分析查询性能和结果

Installation

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

# 或使用 uvx
uvx mcp-server-pinecone

Configuration

添加以下配置到 claude_desktop_config.json：

{
  "mcpServers": {
    "pinecone": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-pinecone"],
      "env": {
        "PINECONE_API_KEY": "your-api-key",
        "PINECONE_ENVIRONMENT": "us-west-2"
      }
    }
  }
}

Available Tools

Tool	Description
pinecone_list_indexes	列出所有索引
pinecone_describe_index	获取索引详情
pinecone_upsert	插入或更新向量
pinecone_query	执行向量查询
pinecone_fetch	获取特定向量
pinecone_delete	删除向量
pinecone_list_namespaces	列出命名空间

Usage Examples

示例 1：语义搜索

AI: 在 docs 索引中搜索与"Python 异步编程"相关的文档

Pinecone MCP:
- 将查询转换为向量
- 调用 pinecone_query
- 返回最相似的文档和分数

示例 2：命名空间隔离

AI: 在 docs 索引的 "python" 命名空间中搜索异步相关内容

Pinecone MCP:
- 调用 pinecone_query
- 设置 namespace: "python"
- 返回命名空间内的搜索结果

示例 3：元数据过滤

AI: 搜索 language = "python" 且 year >= 2024 的文档

Pinecone MCP:
- 调用 pinecone_query
- 设置 filter: {"language": "python", "year": {"$gte": 2024}}
- 返回过滤后的结果

Pros

• ✅ 完整的 Pinecone API 覆盖
• ✅ 托管服务，无需自己维护
• ✅ 适合生产级 RAG 系统
• ✅ 开源免费客户端
• ✅ 高性能向量搜索

Cons

• ❌ 需要 Pinecone 账户和 API Key
• ❌ 免费计划有资源限制
• ❌ 某些高级功能需要付费
• ❌ 需要嵌入模型生成向量

When to Use

• 需要构建生产级 RAG 系统时
• 需要托管向量数据库时
• 需要语义搜索功能时
• 需要管理大规模向量数据时

Resources

• GitHub 仓库
• Pinecone 文档