An astronaut overseeing a futuristic data hub
Télécharger le PDFVersion Markdown

Connectez Redis 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. Gérez vos index vectoriels et vos recherches sémantiques nativement.

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 Redis Vector.

  1. 01

    Créer un index vectoriel

    Définissez le nom et les dimensions du vecteur pour générer un nouvel index RediSearch.

  2. 02

    Recherche de vecteurs KNN

    Effectuez une recherche de similarité en fournissant un vecteur de requête sous forme de tableau JSON de flottants.

  3. 03

    Insérer ou mettre à jour un vecteur

    Ajoutez ou modifiez un composant vectoriel géométrique associé à une clé de document spécifique.

Ensemble de capacités02 / 02

04-06

3 capacités dans cet ensemble.

Sur 6 disponibles via Redis Vector.

  1. 04

    Obtenir les infos de l'index

    Récupérez les détails de configuration et le schéma d'un index vectoriel précis.

  2. 05

    Lister les index

    Affichez la liste complète de tous les index vectoriels RediSearch chargés.

  3. 06

    Supprimer un vecteur

    Supprimez un document contenant un vecteur de votre base Redis.

Travail réel

Ce que les équipes font tourner

01

RAG Architecture Validation

Check if your vector dimensions and metrics match your embedding model's output.

02

Rapid Prototyping

Create and test new vector indexes as you experiment with different similarity algorithms.

03

Semantic Data Cleanup

Remove obsolete or outdated embeddings to maintain index performance.

04

Interactive Debugging

Query specific vectors to verify that your similarity search is returning the expected neighbors.

Automatisez une tâche

Mettez Redis 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

Redis 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 Redis 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 942 ms. Rapide en production.

Redis Vector est vérifié quotidiennement contre le service en production.

Moyenne quotidiennePic à 1228 ms
3 oct.Aujourd'hui
Jour le plus rapide
781ms
Jour le plus lent
1228ms
Tendance sur 14 jours
En ralentissement+24%

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

Il n’authentifie pas votre compte auprès de Redis 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.

Redis Vector Connector

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

Lien du connecteurhttps://edge.vinkius.com/vk_preview_zP1SqypHeKOFu0yRPw2yTUOrfnlmdOQBZrAWkuF4/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 — Redis Vector capabilities are ready to use.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "redis-vector-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_zP1SqypHeKOFu0yRPw2yTUOrfnlmdOQBZrAWkuF4/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 Redis 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 Redis Vector délèguent.

Ce connecteur s'adresse aux professionnels manipulant des données de haute dimensionnalité et des agents IA.

  • 01

    Ingénieurs IA et ML

    Pour itérer rapidement sur le réglage de la similarité et stocker des embeddings directement via le prompt.

  • 02

    Développeurs Backend

    Pour maintenir la logique de stockage sémantique, auditer les schémas et gérer les index actifs.

  • 03

    Architectes de données

    Pour valider l'architecture des environnements vectoriels Redis et confirmer la viabilité des applications RAG.

FAQ

Les questions des utilisateurs de Redis Vector.

  • 01

    Does this MCP work with any Redis instance?

    No, your Redis instance must have the RediSearch module installed to support vector operations.

  • 02

    What AI clients can I use with this MCP?

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

  • 03

    Can I create new indexes using my AI agent?

    Yes, you can use the create_vector_index capability to specify names and dimensions for new indexes.

  • 04

    How do I perform a similarity search?

    You can use the search_vectors capability by providing a JSON array of floats representing your query vector.

  • 05

    Is my Redis URL stored by Vinkius?

    Vinkius manages the connection and credentials so you can connect your client once and start working.

  • 06

    What is the format required for the 'Redis URL' parameter?

    The parameter requires standard Redis URI string formatting. Typically it looks like redis://[username]:[password]@[host]:[port]. For TLS/SSL-enabled endpoints spanning secure setups, use the rediss:// scheme prefix.

  • 07

    Does my Redis instance strictly need the RediSearch module?

    Yes, absolutely. The base Redis product (standard open-source) only manages key-value caching out of the box. You must be running the Redis Stack or a managed tier (like Redis Enterprise or compatible cloud offerings) that explicitly includes RediSearch to generate and query KNN vector indexes.

  • 08

    Can I query using embedding arrays output directly from OpenAI models?

    Yes. Once you receive your numerical float array from an embedding model (like text-embedding-ada-002), you can pipe that exact JSON array into the search_vectors agent capability alongside the relevant index name to perform immediate proximity lookups.

Explorer

Plus dans Loved By Devs

Suggestions

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