An astronaut overseeing a futuristic data hub
PDF herunterladenMarkdown-Version

Verbinden Sie Elasticsearch Vector mit ChatGPT und Claude

Richten Sie es einmal ein und es funktioniert mit ChatGPT, Claude, Cursor und jedem anderen Client, den Sie lieben. Alles läuft sicher im Hintergrund, damit Sie sich entspannen und sich auf das Wesentliche konzentrieren können. Steuern Sie Ihre semantische Suche per natürlicher Sprache.

Fragen Sie die KI zu diesem Connector

Entwickelt, gewartet und gehostet von Vinkius.

MCP VERIFIZIERT · PRODUKTIONSREIF · VINKIUS GARANTIE

Waiting for input…

Works with modern AI clients that support MCP, including ChatGPT, Claude, Cursor, and more.

ChatGPTClaudeCursorPerplexityGeminiMicrosoft CopilotRaycastMeta AI

Ihre KI erledigt die Arbeit. Wir halten alles sicher und geschützt.

Kein anderes KI-Tool bietet Ihnen das. Ihr Workflow läuft im Client, den Sie bereits lieben, Ihr Konto bleibt geschützt, und Sie entscheiden, was der Agent darf und was nicht. Das ist der ganze Grund für den Wechsel.

Jeder Connector lebt in unserer Infrastruktur, dort wo Ihr Workflow läuft. Die drei Dinge unten sind bereits Teil davon und arbeiten leise im Hintergrund, damit Sie nie darüber nachdenken müssen. Nichts hinzuzufügen, nichts einzurichten, keine Sorgen.

A futuristic MCP client docking bay
V8 Isolate01

Jeder Connector läuft in seiner eigenen abgeschotteten Umgebung.

Jeder Connector läuft in einer eigenen abgeriegelten V8-Laufzeit — kein Zugriff auf Ihre Dateien, Ihr System oder andere Server. Ein Connector sieht nie über seine eigene Anfrage hinaus.

Kill-Switch02

Ein Schalter stoppt jeden Agenten. Sofort.

Eine einzige Aktion deaktiviert jeden Connector, entzieht jedes Token und beendet jede Sitzung auf einmal. Die AI Governance bewahrt das Protokoll.

FinOps pro Nutzer03

Ausgabelimits, die anhalten, statt Sie zu überraschen.

Jeder Nutzer behält eigene Verbindungen und Anmeldedaten, isoliert von allen anderen. Was Ihr Ausgabelimit überschreiten würde, wird zurückgehalten und wartet auf Ihre Freigabe, anstatt abgerechnet zu werden.

Drei Kontrollen, eingebaut in die Schicht, über die sich Ihre KI verbindet.

Kuratiertes Set · 6 Fähigkeiten

Wir liefern nur die Aktionen, die zählen.

Fähigkeiten-Set01 / 02

01-03

3 Fähigkeiten in diesem Set.

Teil von 6, verfügbar über Elasticsearch Vector.

  1. 01

    Index erstellen

    Erstellt einen neuen Index für dichte Vektoren (dense_vector).

  2. 02

    Vektorsuche durchführen

    Führt eine kNN-Suche auf Basis dichter Vektoren durch.

  3. 03

    Index-Infos abrufen

    Ruft detaillierte Informationen über einen spezifischen Index ab.

Fähigkeiten-Set02 / 02

04-06

3 Fähigkeiten in diesem Set.

Teil von 6, verfügbar über Elasticsearch Vector.

  1. 04

    Dokument indexieren

    Speichert ein neues Dokument im Vektorindex.

  2. 05

    Alle Indizes auflisten

    Zeigt eine Übersicht aller vorhandenen Indizes im Cluster an.

  3. 06

    Dokument löschen

    Entfernt ein bestimmtes Dokument dauerhaft aus dem Index.

Echte Arbeit

Was Teams täglich ausführen

01

Embedding Model Testing

Quickly verify how different embedding models perform by running kNN searches against existing data.

02

Rapid Prototyping

Spin up new dense_vector indices and start indexing documents in seconds.

03

Data Integrity Audits

Check dimensional constraints and similarity thresholds to ensure search accuracy.

04

Real-time Index Management

Manage storage namespaces and document deletions through a chat interface.

Eine Aufgabe automatisieren

Bringen Sie Elasticsearch Vector für eine Sache an die Arbeit.

Schritt-für-Schritt-Automatisierungen, die Ihre KI über diesen Connector ausführt: der Ablauf, die Prompts für den Einstieg und die genauen Fähigkeiten hinter jedem Schritt.

Ein Connector, jede KI

Elasticsearch Vector funktioniert mit den beliebtesten KI-Clients.

Dies sind die beliebtesten Clients, jeder mit einer Schritt-für-Schritt-Anleitung: ein Link, einmal eingerichtet, mit Governance und Sichtbarkeit an Bord. Und da alles auf dem MCP-Standard läuft, funktioniert dieselbe Verbindung auch in jedem anderen kompatiblen Client — nichts neu zu bauen.

ClaudeClaudeChatGPTChatGPTGeminiGeminiPerplexityPerplexityGrokGrokMicrosoft CopilotMicrosoft CopilotCursorCursorVS CodeVS CodeWindsurfWindsurfJetBrainsJetBrainsClineClineLangChainLangChainVercel AI SDKVercel AI SDKLovableLovableZ.aiZ.aiRaycastRaycastQwen CodeQwen CodeKimi CodeKimi CodeLe ChatLe Chat

Bauen Sie Ihre eigene App? Der Connector gehört Ihnen.

Sie brauchen keinen Client, um Elasticsearch Vector arbeiten zu lassen: dieselbe gehostete Verbindung speist Ihre eigenen Anwendungen und Ihren Agenten-Code, mit derselben Governance bei jeder Anfrage. Damit bauen, damit chatten — eine Verbindung für beides.

Beobachtet, nicht geschätzt

Durchschnitt 917ms. Schnell in der Produktion.

Elasticsearch Vector wird täglich gegen den Live-Service geprüft.

TagesdurchschnittSpitze 974ms
14. Okt.Heute
Schnellster Tag
751ms
Langsamster Tag
974ms
14-Tage-Trend
Verlangsamend+14%

Verbinden Sie Ihren Client

Eine URL. Jeder Client.

Aktivieren Sie den Connector, kopieren Sie Ihren Link und fügen Sie ihn in den Client ein, den Sie bereits nutzen. 6 Fähigkeiten kommen einsatzbereit an.

Vorschauzugang · keine Anbieter-Authentifizierung

Das vk_preview_*-Token gehört zur Vorschau-Infrastruktur von Vinkius. Es ermöglicht Claude, die Fähigkeiten von Elasticsearch Vector zu entdecken und anzuzeigen, damit Sie das Erlebnis in Ihrer KI sehen.

Es authentifiziert Ihr Konto nicht bei Elasticsearch Vector. Aktionen, die Anmeldedaten oder echte Kontodaten erfordern, werden möglicherweise erst ausgeführt, wenn Sie den Connector aktivieren und den Dienst autorisieren.

Elasticsearch Vector Connector

Alles bereit. Wählen Sie Ihren MCP-Client und folgen Sie den Einrichtungsschritten.

Connector-Linkhttps://edge.vinkius.com/vk_preview_kUWPWShL0BRuDE0k7qrS1ZYbK8Cj21vwQZnEsEiQ/mcp

Claude Desktop

Folgen Sie den Schritten unten, um sich in Sekunden zu verbinden.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — Elasticsearch Vector capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "elasticsearch-vector-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_kUWPWShL0BRuDE0k7qrS1ZYbK8Cj21vwQZnEsEiQ/mcp"
    }
  }
}
  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Schritt-für-Schritt-Anleitungen für jeden Client finden Sie im Guide. Verbinden

Geführte Einrichtung für Claude? Elasticsearch Vector in Claude und anderen KI-Tools einrichten

Alle KI-Clients ansehen, mit denen dieser Connector funktioniert ↑

Für wen

Für die Arbeit, die Elasticsearch Vector-Nutzer abgeben.

Dieser MCP ist ideal für Fachkräfte, die KI-Modelle mit großen Datenmengen verknüpfen müssen.

  • 01

    KI-Ingenieure

    Führen semantische Suchen durch und testen Embedding-Modelle, ohne komplexe Query-DSL schreiben zu müssen.

  • 02

    Softwareentwickler

    Indexieren Embedding-Dokumente und prüfen kNN-Suchergebnisse direkt in der IDE oder im Chat.

  • 03

    Data Scientists

    Überwachen Index-Mappings und prüfen Dimensionsbeschränkungen mittels natürlicher Sprache.

  • 04

    Ops-Teams

    Überprüfen die Index-Gesundheit des Clusters und verwalten Vektor-Namespaces in Echtzeit.

FAQ

Fragen von Elasticsearch Vector-Nutzern.

  • 01

    How do I connect my Elasticsearch cluster?

    You need your Elasticsearch Host URL and an API Key. You can find the API Key in Kibana under Stack Management, then Security, then API Keys.

  • 02

    Which AI clients can use this MCP?

    This MCP works with any compatible client, including Claude, Cursor, Windsurf, and VS Code.

  • 03

    Can I create new indices through my agent?

    Yes, you can use the create_index capability to provision new dense_vector indices with specific dimensions.

  • 04

    Does this support kNN searches?

    Yes, the search capability is specifically designed to perform dense vector kNN computations.

  • 05

    How do I delete data?

    You can use the delete_document capability to remove specific records from your indices using their UUID.

  • 06

    Can my agent perform kNN searches using raw vector arrays?

    Yes. Use the 'search' capability. Provide the index name and a JSON array representing your query vector. The agent will perform raw K-Nearest Neighbors computations to find the most semantically similar documents.

  • 07

    How do I create a new vector index with specific dimensions via chat?

    Use the 'create_index' capability. You can specify the index name and the number of dimensions (e.g., 1536 for OpenAI embeddings). The agent will provision the strictly typed data structure in your Elasticsearch cluster.

  • 08

    Can I delete a single document from a vector index through the agent?

    Absolutely. Use the 'delete_document' capability with the index and document ID. The agent will enforce immediate document vaporization, stripping the record from the physical Lucene partitions.

Entdecken

Mehr in Brain Trust

Vorschläge

Verbinde Elasticsearch Vector mit Claude, Cursor, ChatGPT & mehr