An astronaut overseeing a futuristic data hub
Descargar PDFVersión en Markdown

Conecta Elasticsearch Vector a ChatGPT, Claude y Gemini

Configúralo una vez y funciona en ChatGPT, Claude, Cursor y en cualquier otro cliente que te guste. Todo se ejecuta con seguridad en segundo plano, para que tú te relajes y te centres en lo que de verdad importa. Gestiona tus flujos de descubrimiento vectorial mediante lenguaje natural.

Pregunta a la IA sobre este Connector

Desarrollado, mantenido y alojado por Vinkius.

MCP VERIFICADO · LISTO PARA PRODUCCIÓN · GARANTÍA VINKIUS

Waiting for input…

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

ChatGPTClaudeCursorPerplexityGeminiMicrosoft CopilotRaycastMeta AI

Tu IA hace el trabajo. Nosotros lo cuidamos, seguro.

Ninguna otra herramienta de IA te da esto. Tu workflow se ejecuta en el cliente que ya amas, tu cuenta permanece protegida y tú decides lo que el agente puede y no puede hacer. Es la razón completa para dar el salto.

Cada Connector vive dentro de nuestra infraestructura, en el mismo lugar donde se ejecuta tu workflow. Las tres cosas de abajo ya forman parte de él, trabajando en silencio en segundo plano para que nunca tengas que pensar en ellas. Nada que añadir, nada que configurar, nada de qué preocuparte.

A futuristic MCP client docking bay
V8 Isolate01

Cada Connector se ejecuta dentro de su propio entorno sellado.

Cada Connector se ejecuta en su propio runtime V8 aislado, sin acceso a tus archivos, a tu sistema ni a otros servidores. Un Connector nunca ve más allá de su propia petición.

Kill Switch02

Un interruptor detiene a todos los agentes. Al instante.

Una única acción desactiva todos los Connectors, revoca todos los tokens y cierra todas las sesiones a la vez. La Gobernanza de IA guarda el registro.

FinOps por usuario03

Límites de gasto que se pausan en vez de sorprenderte.

Cada usuario mantiene sus propias conexiones y credenciales, aisladas de las de los demás. Lo que supere tu límite de gasto se detiene y queda esperando tu aprobación en vez de cobrarse.

Tres controles, integrados en la capa por donde tu IA se conecta.

Set curado · 6 capacidades

Publicamos solo las acciones que importan.

Set de capacidades01 / 02

01-03

3 capacidades en este set.

Parte de 6 disponibles a través de Elasticsearch Vector.

  1. 01

    Crear índice

    Genera un nuevo índice de vectores densos para almacenar tus datos.

  2. 02

    Buscar vectores

    Realiza búsquedas kNN utilizando vectores densos para encontrar similitudes semánticas.

  3. 03

    Obtener información del índice

    Consulta los detalles y la configuración de un índice específico.

Set de capacidades02 / 02

04-06

3 capacidades en este set.

Parte de 6 disponibles a través de Elasticsearch Vector.

  1. 04

    Indexar documento

    Guarda un nuevo documento con su carga de embeddings en el índice.

  2. 05

    Listar índices

    Muestra todos los índices disponibles en tu clúster de Elasticsearch.

  3. 06

    Eliminar documento

    Borra un documento específico de forma inmediata mediante su UUID.

Trabajo real

Lo que los equipos ejecutan de verdad

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.

Automatiza una tarea

Pon Elasticsearch Vector a trabajar en una cosa.

Automatizaciones paso a paso que tu IA ejecuta a través de este Connector: el flujo de trabajo, los prompts para empezar y las capabilities exactas detrás de cada paso.

Un connector, todas las IAs

Elasticsearch Vector funciona con los clientes de IA más populares.

Estos son los clientes más populares, cada uno con una guía paso a paso: un enlace, configurado una vez, con gobernanza y visibilidad integradas. Y como todo corre sobre el estándar MCP, la misma conexión también funciona en cualquier otro cliente compatible: nada que reconstruir.

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

¿Construyendo tu propia app? El connector es tuyo para usar.

No necesitas un cliente para poner Elasticsearch Vector a trabajar: la misma conexión alojada se conecta a tus propias aplicaciones y al código de tu agente, con la misma gobernanza en cada petición. Construye con él, conversa con él: una conexión para ambos.

Observada, no estimada

Promedio de 917ms. Rápida en producción.

Elasticsearch Vector se verifica a diario contra el servicio en producción.

Promedio diarioPico de 974ms
14 octHoy
Día más rápido
751ms
Día más lento
974ms
Tendencia de 14 días
Ralentizando+14%

Conecta tu cliente

Una URL. Todos los clientes.

Activa el Connector, copia tu enlace y pégalo en el cliente que ya usas. 6 capacidades llegan listas para funcionar.

Acceso de vista previa · no es autenticación del proveedor

El token vk_preview_* pertenece a la infraestructura de vista previa de Vinkius. Permite que Claude descubra y muestre las capacidades de Elasticsearch Vector, para que veas la experiencia dentro de tu IA.

No autentica tu cuenta con Elasticsearch Vector. Las acciones que requieran credenciales o datos reales de la cuenta podrían no ejecutarse hasta que actives el Connector y autorices el servicio.

Elasticsearch Vector Connector

Todo listo. Elige tu cliente MCP y sigue las instrucciones de configuración.

Enlace del conectorhttps://edge.vinkius.com/vk_preview_kUWPWShL0BRuDE0k7qrS1ZYbK8Cj21vwQZnEsEiQ/mcp

Claude Desktop

Sigue los pasos siguientes para conectarte en segundos.

  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.
Configuración · claude_desktop_config.jsonCopiar
{
  "mcpServers": {
    "elasticsearch-vector-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_kUWPWShL0BRuDE0k7qrS1ZYbK8Cj21vwQZnEsEiQ/mcp"
    }
  }
}
  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Las instrucciones paso a paso para cada cliente están en la guía. Cómo conectar

¿Configuración guiada para Claude? Conectar Elasticsearch Vector con Claude y otras IA

Ve todos los clientes de IA con los que funciona este connector ↑

Para quién es

Hecho para el trabajo que quienes usan Elasticsearch Vector delegan.

Esta herramienta está diseñada para profesionales que integran modelos de lenguaje con infraestructuras de datos vectoriales a gran escala.

  • 01

    Ingenieros de IA

    Para realizar búsquedas semánticas y probar modelos de embeddings sin escribir consultas DSL complejas.

  • 02

    Desarrolladores de Software

    Para indexar documentos y verificar resultados de búsqueda kNN directamente desde el IDE o el chat.

  • 03

    Científicos de Datos

    Para monitorizar mapeos de índices vectoriales y verificar restricciones dimensionales usando lenguaje natural.

  • 04

    Equipos de Operaciones

    Para verificar la salud de los índices del clúster y gestionar los espacios de nombres de almacenamiento vectorial en tiempo real.

FAQ

Preguntas de quienes usan Elasticsearch Vector.

  • 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.

Explora

Más en Brain Trust

Sugerencias

Conecta Elasticsearch Vector a Claude, Cursor, ChatGPT y más