An astronaut overseeing a futuristic data hub
PDF herunterladenMarkdown-Version

Verbinden Sie R2R mit ChatGPT, Claude und Gemini

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. Bringen Sie Ihre RAG-Infrastruktur direkt in das Chat-Interface.

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 R2R.

  1. 01

    Vektorsuche durchführen

    Führt eine semantische Suche über alle eingelesenen Dokumente durch.

  2. 02

    RAG-Abfrage ausführen

    Nutzt den rag_query Endpunkt, um Informationen basierend auf Vektordaten direkt zusammenzufassen.

  3. 03

    Dokumente auflisten

    Zeigt alle im R2R-System eingelesenen Dokumente an.

Fähigkeiten-Set02 / 02

04-06

3 Fähigkeiten in diesem Set.

Teil von 6, verfügbar über R2R.

  1. 04

    Dokumentdetails abrufen

    Ruft spezifische Informationen und Metadaten zu einem bestimmten Dokument ab.

  2. 05

    Systemstatus prüfen

    Überprüft den aktuellen Gesundheitszustand des R2R-Connectors.

  3. 06

    Sammlungen anzeigen

    Listet alle vorhandenen Dokumentensammlungen auf.

Echte Arbeit

Was Teams täglich ausführen

01

RAG Debugging

Test how your agent retrieves specific information by running vector searches directly in your IDE.

02

Knowledge Auditing

Check your document collections and metadata to ensure your knowledge base is up to date.

03

Automated Summarization

Ask your agent to summarize large datasets by triggering RAG queries against your R2R engine.

04

System Health Checks

Quickly confirm your R2R deployment is online and responding to requests.

Eine Aufgabe automatisieren

Bringen Sie R2R 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

R2R 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 R2R 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 850ms. Schnell in der Produktion.

R2R wird täglich gegen den Live-Service geprüft.

TagesdurchschnittSpitze 1133ms
3. Okt.Heute
Schnellster Tag
693ms
Langsamster Tag
1133ms
14-Tage-Trend
Verlangsamend+28%

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 R2R zu entdecken und anzuzeigen, damit Sie das Erlebnis in Ihrer KI sehen.

Es authentifiziert Ihr Konto nicht bei R2R. Aktionen, die Anmeldedaten oder echte Kontodaten erfordern, werden möglicherweise erst ausgeführt, wenn Sie den Connector aktivieren und den Dienst autorisieren.

R2R Connector

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

Connector-Linkhttps://edge.vinkius.com/vk_preview_Psy9XiP4IhGY7SchHirciLtxL89aKlE6LAoJStd2/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 — R2R capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "r2r-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_Psy9XiP4IhGY7SchHirciLtxL89aKlE6LAoJStd2/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? R2R in Claude und anderen KI-Tools einrichten

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

Für wen

Für die Arbeit, die R2R-Nutzer abgeben.

Dieser Connector richtet sich an Experten, die KI-Modelle mit eigenen, strukturierten Datenbeständen verknüpfen müssen.

  • 01

    AI & ML Engineers

    Fragen Sie Ihre Vektorinstanzen lokal ab, ohne Postman oder externe Skripte zu benötigen.

  • 02

    Data Custodians

    Überprüfen Sie den Import von Dokumenten und durchsuchen Sie Metadaten direkt im Terminal.

  • 03

    Backend Entwickler

    Auditieren Sie die Antworten der Engine und optimieren Sie die Grenzen der semantischen Suche.

FAQ

Fragen von R2R-Nutzern.

  • 01

    What do I need to connect this MCP?

    You need your R2R Base URL and an Auth Key if your deployment requires authentication.

  • 02

    Which AI clients can I use with this?

    You can use any MCP-compatible client, including Claude, Cursor, Windsurf, and VS Code.

  • 03

    How does the agent access my documents?

    The agent uses the search and rag_query capabilities to interact with your R2R vector database.

  • 04

    Can I see what documents are in my system?

    Yes, you can use the list_documents capability to see all ingested files or get_document to see specific details.

  • 05

    Is my data hosted by Vinkius?

    Vinkius hosts the MCP connection and manages the credentials, but the data remains in your R2R deployment.

  • 06

    What URL should I use for the R2R API URL?

    If you are running R2R locally via Docker, it's typically http://localhost:7272. If you are using SciPhi Cloud or have it deployed on your own infrastructure, provide the exact public or private endpoint.

  • 07

    Do I need an R2R API Key?

    It depends on your deployment. Open deployments for local testing may not require a key. Production deployments or SciPhi Cloud environments require you to provide the generated key.

  • 08

    What is the difference between RAG and Search?

    The search capability issues a standard vector similarity match—it returns relevant raw snippets from your database. The rag_query capability asks the R2R server to perform the search and compute an intelligent answer wrapping those snippets using an LLM.

  • 09

    Are document ingestions possible via chat?

    No. This integration is designed for observational toolsets (listing documents, inspecting states, querying the index). Heavy ingestions of PDFs or websites should be handled through scripts or the dashboard.

Entdecken

Mehr in Friends

Vorschläge

Verbinde R2R mit Claude, Cursor, ChatGPT & mehr