Waiting for input…
Works with modern AI clients that support MCP, including ChatGPT, Claude, Cursor, and more.
AIが仕事をこなします。私たちが安全に守ります。
他のAIツールではこれは手に入りません。ワークフローはお気に入りのクライアントで動き、アカウントは守られ、エージェントに何を許すかはあなたが決めます。これこそ乗り換えるべき理由です。
すべてのConnectorは当社のインフラストラクチャの中、あなたのワークフローが動くのと同じ場所にあります。下の3つはすでにその一部で、背景で静かに働き、あなたが意識する必要がないようにしてくれます。追加するものも、設定するものも、心配することもありません。
各Connectorは独自の密閉された環境内で実行されます。
各Connectorは独自の封印されたV8ランタイムで実行され、ファイル、システム、他のサーバーへのアクセスはありません。Connectorが自身のリクエストを超えて中身を見ることはありません。
1つのスイッチで全エージェントを停止。即座に。
1つのアクションで全Connectorを無効化し、全トークンを失効させ、全セッションを終了します。AI Governanceが記録を保持します。
驚きではなく、一時停止する支出制限。
各ユーザーは自身の接続と認証情報を持ち、他から隔離されています。支出制限を超える操作は課金されず、あなたの承認を待ちます。
3つのコントロールが、AIが接続するレイヤーに 組み込まれています。
厳選セット · 3機能
届けるのは、本当に必要な動作だけです。
01-03
このセットには3機能あります。
BM25 Scorerで使える3機能の一部です。
- 01
ドキュメント構成の分析
ドキュメントから統計情報を抽出します。
- 02
単語の重み計算
クエリに含まれる各単語のIDF（逆文書頻度）を算出します。
- 03
関連性スコアの算出
ドキュメントに対するBM25関連性スコアを計算します。
実際の業務
チームが実際に回している作業
RAG Noise Reduction
Your agent scores retrieved chunks and only passes the highest-scoring documents to the LLM.
Corpus Auditing
You analyze the composition of a dataset to understand term distribution and frequency.
Search Engine Tuning
You use IDF weights to understand how specific terms behave across your entire document collection.
Cost Management
You prevent expensive model calls by using BM25 to discard low-relevance data early.
1つのConnector、すべてのAI
BM25 Scorerは、最も人気のあるAIクライアントで動きます。
これは最も人気のあるクライアントで、それぞれにステップバイステップのガイドがあります。リンクは1つ、設定は一度、ガバナンスと可視性は最初から組み込み。しかもすべてMCP標準で動くため、同じ接続は他の対応クライアントでもそのまま使えます。作り直す必要はありません。
実測値、推定値ではない
平均734ms。本番環境で高速。
BM25 Scorerは本番サービスに対して毎日チェックされています。
- 最速日
- 567ms
- 最遅日
- 927ms
- 14日間の傾向
- 改善傾向-32%
クライアントを接続
1つのURL。すべてのクライアント。
Connectorを有効化し、リンクをコピーして、いつも使うクライアントに貼り付けるだけ。3個の機能がすぐに使えます。
プレビューアクセス · プロバイダー認証ではありません
vk_preview_* トークンは Vinkius のプレビューインフラに属します。Claude が BM25 Scorer のケイパビリティを検出して表示できるようにし、AI の中でその体験を確認できます。
このトークンは BM25 Scorer のアカウントを認証するものではありません。認証情報や実際のアカウントデータが必要なアクションは、Connector を有効化してサービスを承認するまで実行されない場合があります。
BM25 Scorer Connector
準備完了です。MCPクライアントを選択し、セットアップ手順に従ってください。
https://edge.vinkius.com/vk_preview_13iaLV42ZXoIPJuXWoZJmsXXcpfHRxpcEFkqQcfP/mcpClaude Desktop
以下の手順で数秒で接続できます。
- 1In Claude Desktop, open Settings → Connectors.
- 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
- 3Click Add and start a new chat — BM25 Scorer capabilities are ready to use.
{
"mcpServers": {
"bm25-context-relevance-scorer-mcp": {
"url": "https://edge.vinkius.com/vk_preview_13iaLV42ZXoIPJuXWoZJmsXXcpfHRxpcEFkqQcfP/mcp"
}
}
}- Claude
- ChatGPT
- Cursor
VS Code
Windsurf- Claude Code
JetBrains
Cline
各クライアントの手順ガイドはこちらです。 接続方法
Claude向けのガイド付きセットアップ？ BM25 ScorerをClaudeや他のAIに設定する
対象ユーザー
BM25 Scorerユーザーが任せたい仕事のために。
RAGシステムの検索精度向上とコスト削減を目指すエンジニアやデータサイエンティストに最適です。LLMによる評価の代わりに、数学的な指標を用いた検証が必要なプロジェクトに向いています。
- 01
AIエンジニア
RAGの検索フェーズにおける精度評価と最適化を行う担当者。
- 02
データサイエンティスト
自然言語処理（NLP）や情報検索アルゴリズムを用いて、検索モデルの性能を検証する専門家。
- 03
MLOpsエンジニア
LLMの呼び出しコストを抑えつつ、検索パイプラインの効率化を図る運用担当者。
FAQ
BM25 Scorerユーザーからのよくある質問。
- 01
How does this MCP differ from using an LLM for relevance?
This MCP uses the BM25 algorithm to provide deterministic, mathematical scores. This is faster and cheaper than asking an LLM to evaluate relevance.
- 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
What is the primary use for the compute_relevance_score capability?
It calculates a specific BM25 score to tell your agent how relevant a document is to a specific query.
- 04
Can I use this to analyze my document datasets?
Yes, you can use the analyze_document_composition capability to get token counts and frequency maps for any document.
- 05
Do I need to host this myself?
No, Vinkius hosts and manages the MCP for you. You just connect your client and start using the capabilities.
- 06
How does the scoring work?
The engine uses the BM25 algorithm, calculating IDF based on corpus size and term prevalence, then applying length normalization and saturation constants.
- 07
Do I need an LLM to calculate scores?
No, this capability provides deterministic mathematical results using the compute_relevance_score function without any LLM involvement.
- 08
What inputs are required for scoring?
You must provide query tokens, document tokens, corpus size, term document counts, and average document length.
さがす
Data Scienceの他のコネクタ
Retrieval Relevance Scorer AIコネクタ
A deterministic scoring engine that filters retrieved documents using Jaccard, TF-IDF, and coverage metrics.
表示Context Engineering Prover AIコネクタ
An AI dumped 80,000 tokens into a prompt — 64,000 of them unreferenced noise. It said 'best practice' to justi
表示Context Window Optimizer AIコネクタ
Optimizes LLM context windows by selecting the most relevant and recent information within token limits.
表示Context Redundancy Deduplicator AIコネクタ
Identify and quantify exact N-gram overlaps across RAG documents to optimize context window usage.
表示
おすすめ
rag-chunk-boundary-optimizer AIコネクタ
Analyzes text chunking strategies for RAG pipelines by measuring overlap, sentence integrity, and semantic con
表示RAG Chunk Boundary Optimizer AIコネクタ
Analyze text chunking integrity in RAG pipelines by measuring overlap, sentence breaks, and semantic continuit
表示Context Window Economics Optimizer AIコネクタ
Calculate the financial and performance impact of LLM context management strategies.
表示Dynamic Context Window Packer AIコネクタ
Optimally packs retrieved documents into LLM context windows using a greedy knapsack algorithm.
表示
『BM25 Scorer』を Claude、Cursor、ChatGPT などに接続