An astronaut overseeing a futuristic data hub
Télécharger le PDFVersion Markdown

Connectez MongoDB Atlas Vector Search à ChatGPT et Claude

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. Pilotez vos recherches vectorielles par simple conversation.

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 MongoDB Atlas Vector Search.

  1. 01

    Recherche de similarité

    Effectuez des recherches vectorielles complexes en utilisant l'opérateur $vectorSearch sur vos collections.

  2. 02

    Créer un index

    Générez des index de recherche d'embeddings standard liés à des dimensions spécifiques.

  3. 03

    Supprimer des documents

    Supprimez des documents précis en utilisant des filtres MongoDB analysés.

Ensemble de capacités02 / 02

04-06

3 capacités dans cet ensemble.

Sur 6 disponibles via MongoDB Atlas Vector Search.

  1. 04

    Rechercher des documents

    Trouvez des documents MongoDB standards en résolvant des filtres de requête classiques.

  2. 05

    Insérer un document

    Ajoutez un nouveau document générique dans une collection cible spécifique.

  3. 06

    Lister les collections

    Affichez la liste des collections de données accessibles dans les limites d'Atlas.

Travail réel

Ce que les équipes font tourner

01

Embedding Validation

Test how well your vectors retrieve relevant documents by running similarity searches through your agent.

02

Database Auditing

Check collection organization and schema boundaries across multiple Atlas environments.

03

Data Maintenance

Clean up or update records using MQL filters directly from your AI client.

04

Index Optimization

Create and adjust search indices to improve how your cluster handles similarity calculations.

Automatisez une tâche

Mettez MongoDB Atlas Vector Search 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

MongoDB Atlas Vector Search 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 MongoDB Atlas Vector Search 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 910 ms. Rapide en production.

MongoDB Atlas Vector Search est vérifié quotidiennement contre le service en production.

Moyenne quotidiennePic à 1215 ms
8 oct.Aujourd'hui
Jour le plus rapide
750ms
Jour le plus lent
1215ms
Tendance sur 14 jours
En amélioration-12%

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 MongoDB Atlas Vector Search, pour que vous voyiez l’expérience dans votre IA.

Il n’authentifie pas votre compte auprès de MongoDB Atlas Vector Search. 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.

MongoDB Atlas Vector Search Connector

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

Lien du connecteurhttps://edge.vinkius.com/vk_preview_rMRfujNKzotBfoPOFvzesaIZTdVkigbmunZrRwce/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 — MongoDB Atlas Vector Search capabilities are ready to use.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "mongodb-atlas-vector-search-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_rMRfujNKzotBfoPOFvzesaIZTdVkigbmunZrRwce/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 MongoDB Atlas Vector Search 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 MongoDB Atlas Vector Search délèguent.

Ce connecteur est conçu pour les professionnels de la donnée qui souhaitent intégrer la puissance de MongoDB Atlas à leurs workflows d'IA.

  • 01

    Ingénieurs ML

    Pour tester la pertinence vectorielle et vérifier les dimensions des embeddings par simple dialogue.

  • 02

    Développeurs Backend

    Pour gérer les données opérationnelles et les résultats de recherche vectorielle depuis un terminal de travail.

  • 03

    Architectes de recherche

    Pour auditer les index de recherche et surveiller l'organisation des collections sur plusieurs environnements Atlas.

FAQ

Les questions des utilisateurs de MongoDB Atlas Vector Search.

  • 01

    What AI clients can I use with this MCP?

    You can connect this MCP to any compatible client, including Claude, Cursor, Windsurf, and VS Code.

  • 02

    Do I need to write MQL manually?

    No. You can describe the data you want to find or change in plain language, and your agent will handle the MQL execution.

  • 03

    Can I manage my search indices?

    Yes. The MCP includes a capability to create and configure Atlas Search indices with custom dimensions.

  • 04

    Does this work with standard MongoDB documents?

    Yes. Beyond vector search, you can use standard MQL filters to find, insert, and delete documents.

  • 05

    Where is the data hosted?

    The data stays in your MongoDB Atlas cluster. Vinkius simply hosts the MCP that allows your agent to talk to your cluster.

  • 06

    Can I manage both vector search and standard data in the same conversation?

    Yes. MongoDB Atlas Vector Search is unified. You can use the search capability for similarity and the find or insert capabilities for standard operational data management using MQL, allowing you to bridge both worlds natively.

  • 07

    How do I create a new vector search index through the agent?

    Use the create_index capability by providing the database, collection, and required dimensions (matching your embedding model). Your agent will provision the index infrastructure on Atlas to enable high-speed vector retrieval.

  • 08

    Can my agent find specific documents using standard MongoDB query filters?

    Absolutely. Use the find capability with a JSON string representing your MQL filter (e.g. {"status":"active"}). Your agent will execute the Data API request and return the matching documents and their scalar properties securely.

Explorer

Plus dans Industry Titans

Suggestions

Connectez MongoDB Atlas Vector Search à Claude, Cursor, ChatGPT et d'autres