An astronaut overseeing a futuristic data hub
Télécharger le PDFVersion Markdown

Connectez Elasticsearch Vector à ChatGPT, Claude et Gemini

Configurez-le une fois et il fonctionne avec ChatGPT, Claude, Cursor et n'importe quel autre client que vous aimez. Tout s'exécute en toute sécurité en arrière-plan, pour que vous puissiez vous détendre et vous concentrer sur l'essentiel. Maîtrisez vos flux de données vectorielles par le langage naturel.

Demandez à l'IA à propos de ce Connector

Développé, maintenu et hébergé par Vinkius.

MCP VÉRIFIÉ · PRÊT POUR LA PRODUCTION · GARANTIE VINKIUS

Waiting for input…

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

ChatGPTClaudeCursorPerplexityGeminiMicrosoft CopilotRaycastMeta AI

Votre IA fait le travail. Nous veillons dessus, en toute sécurité.

Aucun autre outil d'IA ne vous offre ça. Votre workflow s'exécute dans le client que vous aimez déjà, votre compte reste protégé, et vous décidez ce que l'agent peut ou ne peut pas faire. C'est la vraie raison de faire le pas.

Chaque Connector vit dans notre infrastructure, là où votre workflow s'exécute. Les trois choses ci-dessous en font déjà partie et travaillent discrètement en arrière-plan pour que vous n'ayez jamais à y penser. Rien à ajouter, rien à configurer, aucune inquiétude à avoir.

A futuristic MCP client docking bay
V8 Isolate01

Chaque Connector s'exécute dans son propre environnement scellé.

Chaque Connector s'exécute dans son propre runtime V8 scellé, sans accès à vos fichiers, à votre système ni aux autres serveurs. Un Connector ne voit jamais au-delà de sa propre requête.

Kill Switch02

Un seul interrupteur arrête tous les agents. Immédiatement.

Une seule action désactive tous les Connectors, révoque tous les tokens et termine toutes les sessions d'un coup. La Gouvernance de l'IA conserve le registre.

FinOps par utilisateur03

Des limites de dépense qui s'interrompent au lieu de surprendre.

Chaque utilisateur garde ses propres connexions et identifiants, isolés de ceux des autres. Ce qui dépasserait votre limite de dépense est stoppé et mis en attente de votre approbation, pas facturé.

Trois contrôles, intégrés à la couche par laquelle votre IA se connecte.

Sélection · 6 capacités

Nous ne livrons que les actions qui comptent.

Ensemble de capacités01 / 02

01-03

3 capacités dans cet ensemble.

Sur 6 disponibles via Elasticsearch Vector.

  1. 01

    Créer un index

    Génère un nouvel index de type dense_vector pour vos données.

  2. 02

    Recherche kNN

    Effectue une recherche par plus proches voisins (kNN) sur des vecteurs denses.

  3. 03

    Obtenir les infos de l'index

    Récupère les détails et la configuration d'un index spécifique.

Ensemble de capacités02 / 02

04-06

3 capacités dans cet ensemble.

Sur 6 disponibles via Elasticsearch Vector.

  1. 04

    Indexer un document

    Ajoute un nouveau document avec ses vecteurs d'embeddings dans l'index.

  2. 05

    Lister les index

    Affiche la liste complète de tous les index disponibles dans le cluster.

  3. 06

    Supprimer un document

    Supprime définitivement un document spécifique via son UUID.

Travail réel

Ce que les équipes font tourner

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.

Automatisez une tâche

Mettez Elasticsearch Vector au travail sur une chose.

Des automatisations étape par étape que votre IA exécute via ce Connector : le flux, les prompts pour démarrer et les capabilities exactes derrière chaque étape.

Un connector, toutes les IAs

Elasticsearch Vector fonctionne avec les clients IA les plus populaires.

Voici les clients les plus populaires, chacun avec un guide pas à pas : un lien, configuré une fois, avec gouvernance et visibilité intégrées. Et comme tout tourne sur le standard MCP, la même connexion fonctionne aussi dans tout autre client compatible : rien à reconstruire.

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

Vous construisez votre propre app ? Le connector est à vous.

Vous n'avez pas besoin d'un client pour mettre Elasticsearch Vector au travail : la même connexion hébergée se branche sur vos propres applications et le code de votre agent, avec la même gouvernance à chaque requête. Construisez avec lui, discutez avec lui : une connexion pour les deux.

Observée, pas estimée

Moyenne de 917 ms. Rapide en production.

Elasticsearch Vector est vérifié quotidiennement contre le service en production.

Moyenne quotidiennePic à 974 ms
14 oct.Aujourd'hui
Jour le plus rapide
751ms
Jour le plus lent
974ms
Tendance sur 14 jours
En ralentissement+14%

Connectez votre client

Une URL. Tous les clients.

Activez le Connector, copiez votre lien et collez-le dans le client que vous utilisez déjà. 6 capacités arrivent prêtes à l'emploi.

Accès aperçu · pas d’authentification du fournisseur

Le jeton vk_preview_* appartient à l’infrastructure d’aperçu de Vinkius. Il permet à Claude de découvrir et d’afficher les capacités de Elasticsearch Vector, pour que vous voyiez l’expérience dans votre IA.

Il n’authentifie pas votre compte auprès de Elasticsearch Vector. Les actions nécessitant des identifiants ou des données de compte réelles peuvent ne pas s’exécuter tant que vous n’avez pas activé le Connector et autorisé le service.

Elasticsearch Vector Connector

Tout est prêt. Choisissez votre client MCP et suivez les instructions de configuration.

Lien du connecteurhttps://edge.vinkius.com/vk_preview_kUWPWShL0BRuDE0k7qrS1ZYbK8Cj21vwQZnEsEiQ/mcp

Claude Desktop

Suivez les étapes ci-dessous pour vous connecter en quelques secondes.

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

Les instructions pas à pas pour chaque client sont dans le guide. Comment connecter

Configuration guidée pour Claude ? Configurer Elasticsearch Vector avec Claude et les autres IA

Voyez tous les clients IA avec lesquels ce connector fonctionne ↑

Pour qui

Conçu pour le travail que les utilisateurs de Elasticsearch Vector délèguent.

Ce connecteur est conçu pour les professionnels de la donnée qui souhaitent interagir avec des clusters Elasticsearch sans manipuler de DSL complexe.

  • 01

    Ingénieurs IA

    Pour réaliser des recherches sémantiques et tester des modèles d'embeddings.

  • 02

    Développeurs Logiciels

    Pour indexer des documents et vérifier les résultats kNN directement depuis l'IDE.

  • 03

    Data Scientists

    Pour surveiller les mappings d'index et les contraintes dimensionnelles par langage naturel.

  • 04

    Équipes Ops

    Pour vérifier la santé des index et gérer les espaces de stockage vectoriel en temps réel.

FAQ

Les questions des utilisateurs de 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.

Explorer

Plus dans Brain Trust

Suggestions

Connectez Elasticsearch Vector à Claude, Cursor, ChatGPT et d'autres