¿Puede la IA actualizar mi índice vectorial?

No. Este conector solo realiza búsquedas de similitud; no puede añadir, eliminar ni modificar los datos dentro de tu índice de Google Cloud.

¿Debo proporcionar los arrays de embedding?

Sí. El agente necesita arrays de embedding específicos para ejecutar la búsqueda en tus endpoints.

¿Puede la IA cambiar mis permisos de Google Cloud?

No. El agente solo utiliza los permisos que ya has establecido para el endpoint.

¿Decide la IA qué coincidencias son 'correctas'?

No. El agente identifica los vecinos matemáticamente más cercanos, pero tú debes revisar los resultados para determinar si son útiles según el contexto.

¿Puedo buscar por texto en lugar de vectores?

No. Esta tarea específica está diseñada para búsquedas vectoriales semánticas mediante el uso de arrays de embedding.

COINCIDENCIASCONTEXTODATOSHUMANO

COINCIDENCIAS
CONTEXTO
DATOS
HUMANO

Cómo realizar búsquedas vectoriales semánticas con tu IA

Conecta tu agente a Google Cloud una sola vez. A partir de ahí, podrá consultar endpoints vectoriales en tiempo real para encontrar datos por su significado y no solo por palabras clave.

Pregunta a la IA sobre esta página

Respuesta rápida

¿Cómo puedo realizar búsquedas de similitud semántica con mi agente?

Tu agente utiliza arrays de embeddings específicos para consultar endpoints vectoriales activos de Google Cloud. Identifica los resultados más cercanos en tu conjunto de datos mediante búsquedas de similitud, ofreciéndote resultados precisos y con contexto.

Resultados de búsqueda

Dónde aterrizan tus resultados.

Qué sucede cuando tu agente ejecuta una búsqueda.

COINCIDENCIAS

Resultados de vecinos más cercanos

El agente identifica los puntos de datos más similares en tu índice vectorial. Recibirás los registros específicos que coinciden con la intención de tu consulta.

CONTEXTO

Relevancia semántica

La búsqueda ignora las coincidencias exactas de palabras clave para priorizar la similitud conceptual. Así, tu agente encuentra la información correcta aunque las palabras varíen.

DATOS

Acceso a endpoints en vivo

El agente extrae información directamente de tus endpoints activos de Google Cloud. Trabajas siempre con los embeddings más recientes de tu base de datos vectorial.

HUMANO

Requiere revisión manual

El agente presenta las mejores coincidencias para que las inspecciones. Tú decides si la puntuación de similitud cumple con tus requisitos específicos.

El flujo

Lo que hace tu IA cuando llega la consulta.

El agente se encarga de todo el trabajo pesado de cálculos vectoriales y comunicación con el endpoint.

Vectorizar la consulta
Tu agente prepara la entrada para que coincida con el formato requerido por tu índice de Google Cloud.
search_nearest_neighbors
Ejecutar la búsqueda
El agente envía el array de embedding al endpoint activo para encontrar coincidencias.
search_nearest_neighbors
Recuperar vecinos
El sistema extrae los puntos de datos más cercanos según la puntuación de similitud.
search_nearest_neighbors
Presentar resultados
El agente resume los vecinos encontrados para que puedas actuar sobre ellos.
search_nearest_neighbors

Pruébalo

Copia estos ejemplos para empezar.

Usa estos prompts para activar una búsqueda.

Puntos de partida

Estas son frases iniciales. Sustituye el texto entre corchetes por tus IDs de endpoint y arrays de embedding reales.

Vertex AI Vector Search Connector

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

Enlace del conectorhttps://edge.vinkius.com/vk_preview_7qmxXVVjzgLzy5Qveg1Au3aDsjeacjAMcHp2XBIt/mcp

Claude Desktop

Sigue los pasos siguientes para conectarte en segundos.

1In Claude Desktop, open Settings → Connectors.
2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
3Click Add and start a new chat — Vertex AI Vector Search capabilities are ready to use.

Configuración · claude_desktop_config.jsonCopiar

{
  "mcpServers": {
    "vertex-ai-vector-search-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_7qmxXVVjzgLzy5Qveg1Au3aDsjeacjAMcHp2XBIt/mcp"
    }
  }
}

Copia en el chat04

Busca los vecinos más cercanos en mi índice de Google Cloud usando este array de embedding: [0.1, 0.2, 0.3...]
Encuentra elementos similares en mi endpoint vectorial para el concepto de 'customer churn' usando este array: [0.5, -0.1, 0.8...]
Ejecuta una búsqueda de similitud en mi endpoint activo usando este embedding específico: [0.9, 0.4, -0.2...]
Identifica los puntos de datos más cercanos a este vector en mi índice de Vertex AI: [0.0, 1.1, -0.5...]

Claude
ChatGPT
Cursor
VS Code
Windsurf
Claude Code
JetBrains
Cline

Empieza aquí

Conecta Vertex AI Vector Search una vez y luego pregunta.

Solo tienes que vincular tus credenciales de Google Cloud. Tus datos de acceso permanecen cifrados en nuestro sistema y podrás empezar a consultar de inmediato.

Conecta Vertex AI Vector Search con tu IA

FAQ

Cómo funciona esta tarea

01
¿Puede la IA actualizar mi índice vectorial?
No. Este conector solo realiza búsquedas de similitud; no puede añadir, eliminar ni modificar los datos dentro de tu índice de Google Cloud.
02
¿Debo proporcionar los arrays de embedding?
Sí. El agente necesita arrays de embedding específicos para ejecutar la búsqueda en tus endpoints.
03
¿Puede la IA cambiar mis permisos de Google Cloud?
No. El agente solo utiliza los permisos que ya has establecido para el endpoint.
04
¿Decide la IA qué coincidencias son 'correctas'?
No. El agente identifica los vecinos matemáticamente más cercanos, pero tú debes revisar los resultados para determinar si son útiles según el contexto.
05
¿Puedo buscar por texto en lugar de vectores?
No. Esta tarea específica está diseñada para búsquedas vectoriales semánticas mediante el uso de arrays de embedding.
¿Tienes más dudas sobre Vertex AI Vector Search? La página del conector tiene todas las respuestas. Ver todo lo que puede hacer el conector Vertex AI Vector Search

Conecta Vertex AI Vector Search a Claude, Cursor, ChatGPT y más