• CORRESPONDANCES
  • SCHÉMA
  • HUMAIN
  • CONTEXTE

Effectuer des recherches de similarité vectorielle avec votre IA

Connectez votre IA à ClickHouse une seule fois. Votre agent pourra ensuite interroger des embeddings de haute dimension pour trouver les données les plus pertinentes.

Demandez à l'IA à propos de cette page

Réponse rapide

Comment effectuer des recherches de similarité vectorielle avec mon IA ?

Vous transmettez des embeddings de haute dimension à ClickHouse, où le moteur calcule les métriques de distance pour identifier les correspondances les plus proches. Votre agent gère la logique de requête et interprète les résultats. Vous obtenez alors une liste des enregistrements les plus pertinents selon leur similarité sémantique.

Résultats de recherche

Où arrivent vos résultats

Ce qui se passe lors d'une requête de similarité.

CORRESPONDANCES

Ensembles d'enregistrements pertinents

L'IA identifie les vecteurs les plus proches dans vos tables ClickHouse. Vous recevez les lignes spécifiques qui respectent votre seuil de similarité.

SCHÉMA

Analyse de la structure des tables

L'agent inspecte vos colonnes vectorielles pour comprendre les dimensions et les types. Cela garantit que les paramètres de recherche correspondent à vos données réelles.

HUMAIN

Validation manuelle

Vous examinez les correspondances renvoyées pour vérifier que la distance sémantique reflète bien la relation que vous recherchez.

CONTEXTE

Récupération sémantique

L'IA utilise les vecteurs récupérés pour répondre à des questions ou fournir du contexte pour des tâches plus larges. Les données brutes deviennent des informations exploitables.

Le flux

Ce que fait votre IA lors de la requête.

L'IA sert de pont entre votre intention en langage naturel et les opérations mathématiques dans ClickHouse.

  1. Inspecter la structure des données

    L'agent analyse vos tables ClickHouse pour localiser les colonnes contenant vos embeddings.

    describe_table

  2. Exécuter la recherche de similarité

    Votre IA envoie le vecteur d'embedding à ClickHouse pour calculer la distance par rapport à vos données stockées.

    vector_search

  3. Filtrer les résultats

    L'agent utilise les scores de distance obtenus pour isoler les correspondances les plus précises selon votre demande.

    vector_search

  4. Présenter les résultats

    L'IA convertit les lignes brutes de la base de données en un format lisible qui répond précisément à votre question.

    describe_table

Essayez

Copiez ces exemples pour commencer.

Utilisez ces prompts pour déclencher des recherches immédiatement.

Points de départ

Remplacez les noms de tables et de colonnes par vos identifiants ClickHouse réels.

ClickHouse Connector

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

Lien du connecteurhttps://edge.vinkius.com/vk_preview_567ij3B5hJvT6KRM8Z5LcFbGNttrwDvwD2OPp6c2/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 — ClickHouse capabilities are ready to use.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "clickhouse-vector-search-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_567ij3B5hJvT6KRM8Z5LcFbGNttrwDvwD2OPp6c2/mcp"
    }
  }
}
Copiez dans le chat04

  • Trouve les 5 enregistrements les plus similaires dans la table 'products' en utilisant la colonne d'embedding.

  • Décris la table 'user_embeddings' pour que je sache quelles colonnes utiliser pour une recherche.

  • Cherche les enregistrements dans la table 'documents' qui sont sémantiquement proches de ce vecteur : [0.1, 0.2, 0.3].

  • Montre-moi le schéma de la table 'embeddings_store' pour préparer une requête de similarité.

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Commencez ici

Connectez ClickHouse une fois, puis interrogez.

Saisissez vos identifiants une seule fois pour établir la connexion. Votre client IA aura ensuite un accès direct à vos données vectorielles ClickHouse.

Connecter ClickHouse à votre IA

FAQ

Fonctionnement de la tâche

  • 01

    L'IA peut-elle modifier le schéma de ma table ClickHouse ?

    Non. L'IA peut uniquement lire la structure de la table pour comprendre comment effectuer les recherches.

  • 02

    L'IA va-t-elle supprimer mes données vectorielles ?

    Non. Ce MCP fournit uniquement des outils pour décrire les tables et effectuer des recherches.

  • 03

    Dois-je fournir moi-même le vecteur d'embedding ?

    Oui. Pour une recherche de similarité, vous devez fournir le vecteur qui servira de point de référence pour la requête.

  • 04

    L'IA peut-elle exécuter des requêtes SQL standards ?

    Non. L'IA est limitée aux outils spécifiques de recherche vectorielle et de description de table fournis.

  • 05

    Comment l'IA sait-elle quelle table interroger ?

    Vous spécifiez le nom de la table dans votre prompt, ou l'IA utilise l'outil de description pour trouver la bonne table.

  • D'autres questions sur ClickHouse ? La page du connecteur y répond. Voir toutes les capacités du connecteur ClickHouse

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