An astronaut overseeing a futuristic data hub
Télécharger le PDFVersion Markdown

Connectez Vertex AI 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. Exploitez la recherche sémantique à grande échelle en un instant.

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 Vertex AI Vector Search.

  1. 01

    Lister les index déployés

    Affiche la liste de tous les index déployés sur un point de terminaison spécifique.

  2. 02

    Lister les points de terminaison

    Récupère l'ensemble des points de terminaison d'index présents dans votre projet.

  3. 03

    Suivre les opérations vectorielles

    Permet de consulter l'état des opérations de longue durée liées aux index vectoriels.

Ensemble de capacités02 / 02

04-06

3 capacités dans cet ensemble.

Sur 6 disponibles via Vertex AI Vector Search.

  1. 04

    Obtenir les détails de l'index

    Récupère les métadonnées et la configuration précise d'un index vectoriel donné.

  2. 05

    Lister les index vectoriels

    Affiche tous les index vectoriels configurés dans votre projet Google Cloud.

  3. 06

    Recherche de voisins proches

    Effectue une recherche de similarité vectorielle en utilisant un ID de point de terminaison et un vecteur de requête au format JSON.

Travail réel

Ce que les équipes font tourner

01

RAG Grounding

Your agent performs nearest neighbor lookups to pull relevant context for LLM responses.

02

Deployment Monitoring

You track the status of massive index builds while you continue writing code in your editor.

03

Infrastructure Audits

You verify the dimensionality and configuration of production indexes via simple text commands.

04

Vector Proximity Testing

You test how well specific vectors map to existing data by querying endpoints directly.

Automatisez une tâche

Mettez Vertex AI 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

Vertex AI 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 Vertex AI 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 916 ms. Rapide en production.

Vertex AI Vector Search est vérifié quotidiennement contre le service en production.

Moyenne quotidiennePic à 1114 ms
3 oct.Aujourd'hui
Jour le plus rapide
668ms
Jour le plus lent
1114ms
Tendance sur 14 jours
En ralentissement+18%

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 Vertex AI Vector Search, pour que vous voyiez l’expérience dans votre IA.

Il n’authentifie pas votre compte auprès de Vertex AI 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.

Vertex AI Vector Search Connector

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

Lien du connecteurhttps://edge.vinkius.com/vk_preview_7qmxXVVjzgLzy5Qveg1Au3aDsjeacjAMcHp2XBIt/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 — Vertex AI Vector Search capabilities are ready to use.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "vertex-ai-vector-search-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_7qmxXVVjzgLzy5Qveg1Au3aDsjeacjAMcHp2XBIt/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 Vertex AI 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 Vertex AI Vector Search délèguent.

Ce connecteur s'adresse aux professionnels de la donnée et de l'infrastructure cloud travaillant sur des systèmes RAG ou du Machine Learning.

  • 01

    MLOps Cloud

    Pour surveiller le déploiement d'index complexes sans interrompre le codage Python.

  • 02

    Data Scientist RAG

    Pour tester rapidement des tableaux de flottants en production via Cursor et mesurer la précision de proximité.

  • 03

    Architecte Backend

    Pour vérifier la configuration des infrastructures, les shards et le nombre de nœuds des bases vectorielles.

FAQ

Les questions des utilisateurs de Vertex AI Vector Search.

  • 01

    How do I use this MCP with my existing Google Cloud setup?

    You need to enable the Vertex AI API for your project and provide your Project ID, Location, and an OAuth2 Access Token to the MCP.

  • 02

    Can I use this to search through billions of embeddings?

    Yes, this MCP allows your agent to perform nearest neighbor lookups across massive, billion-scale embedding structures hosted on Vertex AI.

  • 03

    Do I still need to use the Google Cloud Console?

    While you can still use the console, this MCP lets you perform most index management, monitoring, and search tasks directly from your AI client.

  • 04

    What kind of clients can connect to this MCP?

    Any MCP-compatible client, including Claude, Cursor, Windsurf, and VS Code, can connect to this capability.

  • 05

    Can I monitor long-running index builds?

    Yes, you can use the capability to query the cloud queue and review the timelines for long-running vector operations.

  • 06

    How do I perform a nearest-neighbor similarity test via chat?

    Just write: Search my endpoint '1xxx' against index 'deployed_abc_1' looking for 3 nearest neighbors to the vector [0.015, -0.042, 0.111]. The queryIndexTool bridges to Vertex and returns the IDs and distances of your geometrical matches instantly.

  • 07

    Can I query a status for indices that take hours to build on GCP?

    Absolutely. Use the prompt: Check my google cloud vector operations. The listOperationsTool reveals all in-flight Cloud operations indicating completion percentages and precise timestamps, allowing you to sidestep the Google Console completely.

  • 08

    Where do I easily find the short-lived VERTEX_ACCESS_TOKEN?

    On your terminal with gcloud installed and logged in, simply type gcloud auth print-access-token. Copy the output stream starting with ya29... into your configurations and the integration is ready for connection.

Explorer

Plus dans AI Frontier

Suggestions

Connectez Vertex AI Vector Search à Claude, Cursor, ChatGPT et d'autres