An astronaut overseeing a futuristic data hub
Télécharger le PDFVersion Markdown

Connectez Pgvector Vector Database 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. Optimisez vos recherches de similarité au sein de PostgreSQL.

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 pgvector.

  1. 01

    Créer un index

    Générez des index vectoriels pour accélérer vos recherches.

  2. 02

    Créer une table

    Initialisez de nouvelles tables dédiées au stockage de vecteurs.

  3. 03

    Lister les tables

    Consultez la liste des tables disponibles dans votre base.

Ensemble de capacités02 / 02

04-06

3 capacités dans cet ensemble.

Sur 6 disponibles via pgvector.

  1. 04

    Recherche vectorielle

    Effectuez des recherches de similarité sur vos données d'embeddings.

  2. 05

    Insérer un vecteur

    Ajoutez de nouvelles entrées vectorielles avec leurs métadonnées.

  3. 06

    Supprimer un vecteur

    Retirez des entrées vectorielles spécifiques de votre base.

Travail réel

Ce que les équipes font tourner

01

RAG Pipeline Development

Query production embeddings directly to provide context to your agent.

02

Semantic Search Implementation

Add vector-based search to existing applications using your current database.

03

Database Optimization

Create and manage HNSW indexes to reduce query latency on large datasets.

04

Knowledge Base Management

Keep your embeddings fresh by inserting and deleting vectors through natural language.

Automatisez une tâche

Mettez pgvector 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

pgvector 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 pgvector 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 897 ms. Rapide en production.

pgvector est vérifié quotidiennement contre le service en production.

Moyenne quotidiennePic à 1031 ms
3 oct.Aujourd'hui
Jour le plus rapide
763ms
Jour le plus lent
1031ms
Tendance sur 14 jours
Stable0%

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 pgvector, pour que vous voyiez l’expérience dans votre IA.

Il n’authentifie pas votre compte auprès de pgvector. 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.

pgvector Connector

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

Lien du connecteurhttps://edge.vinkius.com/vk_preview_m3Dmr7TKd7NjkaPwx4OA0eTWiY7yo9GZdmp9NSJ4/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 — pgvector capabilities are ready to use.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "pgvector-vector-database-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_m3Dmr7TKd7NjkaPwx4OA0eTWiY7yo9GZdmp9NSJ4/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 pgvector 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 pgvector délèguent.

Ce connecteur est conçu pour les professionnels de la donnée qui souhaitent intégrer des capacités de recherche sémantique sans complexifier leur infrastructure.

  • 01

    Ingénieurs IA

    Pour construire des pipelines RAG qui interrogent des embeddings de production sans coder d'API personnalisées.

  • 02

    Architectes de données

    Pour gérer les schémas vectoriels, surveiller les performances des index et optimiser la latence des requêtes.

  • 03

    Développeurs Fullstack

    Pour ajouter une recherche sémantique à des applications existantes via un agent IA, sans nouveaux microservices.

FAQ

Les questions des utilisateurs de pgvector.

  • 01

    What is pgvector MCP?

    It is an MCP that connects your AI client to a PostgreSQL database equipped with the pgvector extension, allowing for vector similarity searches and table management.

  • 02

    Which AI clients can use this MCP?

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

  • 03

    Do I need to write SQL to use this?

    No. You can perform searches, create tables, and manage indexes using natural language prompts through your AI agent.

  • 04

    Can I optimize my search speed?

    Yes. You can instruct your agent to create HNSW or IVFFlat indexes on your vector columns to accelerate queries.

  • 05

    Does this require a separate vector database?

    No. This MCP works directly with your existing PostgreSQL database using the pgvector extension.

  • 06

    Does the agent connect directly to my database?

    Yes. Your connection string is encrypted at rest and injected into an isolated runtime. The agent connects directly to your PostgreSQL instance. no intermediate proxies, no data copies, no third-party storage.

  • 07

    What vector dimensions are supported?

    Any dimension supported by pgvector. from small 128-d vectors to large 3072-d embeddings (e.g., OpenAI text-embedding-3-large). Specify the dimension when creating a table and the agent handles the rest.

  • 08

    Which distance metrics can I use for similarity search?

    pgvector supports three operators: ` (L2/Euclidean distance), (cosine distance), and ` (negative inner product). The agent uses cosine distance by default, which works best for normalized embeddings like those from OpenAI.

Explorer

Plus dans Loved By Devs

Suggestions

Connectez pgvector à Claude, Cursor, ChatGPT et d'autres