An astronaut overseeing a futuristic data hub
Baixar PDFVersão em Markdown

Conecte Pgvector Vector Database ao ChatGPT, Claude e Gemini

Configure uma vez e funcione no ChatGPT, Claude, Cursor e em qualquer outro cliente que você goste. Tudo roda com segurança em segundo plano, para você relaxar e focar no que realmente importa. Transforme seu banco de dados em uma ferramenta de busca semântica.

Pergunte à IA sobre este Connector

Desenvolvido, mantido e hospedado pela Vinkius.

MCP VERIFICADO · PRONTO PARA PRODUÇÃO · GARANTIA VINKIUS

Waiting for input…

Works with modern AI clients that support MCP, including ChatGPT, Claude, Cursor, and more.

ChatGPTClaudeCursorPerplexityGeminiMicrosoft CopilotRaycastMeta AI

A sua IA faz o trabalho. A gente cuida com segurança.

Nenhuma outra ferramenta de IA te dá isso. O seu workflow roda no cliente que você já ama, a sua conta fica protegida, e você decide o que o agente pode e não pode fazer. É a razão completa para mudar de vez.

Cada Connector vive dentro da nossa infraestrutura, no mesmo lugar onde o seu workflow roda. As três coisas abaixo já fazem parte dele, trabalhando silenciosamente em segundo plano para que você nunca precise pensar nelas. Nada para adicionar, nada para configurar, nada com que se preocupar.

A futuristic MCP client docking bay
V8 Isolate01

Cada Connector roda dentro do seu próprio ambiente lacrado.

Cada Connector roda em seu próprio runtime V8 lacrado — sem acesso aos seus arquivos, ao seu sistema ou a outros servidores. Um Connector nunca enxerga além da sua própria requisição.

Kill Switch02

Um interruptor para todos os agentes. Na hora.

Uma única ação desativa todos os Connectors, revoga todos os tokens e encerra todas as sessões de uma vez. A Governança de IA guarda o registro.

FinOps por usuário03

Limites de gastos que pausam em vez de assustar.

Cada usuário tem suas próprias conexões e credenciais, isoladas das dos demais. O que ultrapassar o seu limite de gastos fica aguardando a sua aprovação, em vez de ser cobrado.

Três controles, embutidos na camada pela qual sua IA se conecta.

Conjunto curado · 6 capacidades

Entregamos só as ações que importam.

Conjunto de capacidades01 / 02

01-03

3 capacidades neste conjunto.

Parte de 6 disponíveis através de pgvector.

  1. 01

    Criar índice

    Gera novos índices vetoriais para acelerar suas buscas.

  2. 02

    Criar tabela

    Cria tabelas com colunas de vetores e dimensões personalizadas.

  3. 03

    Listar tabelas

    Identifica quais tabelas no seu banco possuem colunas vetoriais.

Conjunto de capacidades02 / 02

04-06

3 capacidades neste conjunto.

Parte de 6 disponíveis através de pgvector.

  1. 04

    Buscar vetores

    Realiza buscas de similaridade usando métricas como cosseno ou L2.

  2. 05

    Inserir vetor

    Adiciona novas entradas de vetores com metadados ao banco.

  3. 06

    Excluir vetor

    Remove entradas vetoriais específicas do seu banco de dados.

Trabalho real

O que as equipes executam de verdade

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.

Automatize uma tarefa

Coloque pgvector para trabalhar em uma coisa.

Automações passo a passo que sua IA executa por este Connector: o fluxo, os prompts para começar e as capabilities exatas por trás de cada passo.

Um connector, todas as IAs

pgvector funciona com os clientes de IA mais populares.

Estes são os clientes mais populares, cada um com um guia passo a passo: um link, configurado uma vez, com governança e visibilidade embutidas. E como tudo roda no padrão MCP, a mesma conexão também funciona em qualquer outro cliente compatível — nada para reconstruir.

ClaudeClaudeChatGPTChatGPTGeminiGeminiPerplexityPerplexityGrokGrokMicrosoft CopilotMicrosoft CopilotCursorCursorVS CodeVS CodeWindsurfWindsurfJetBrainsJetBrainsClineClineLangChainLangChainVercel AI SDKVercel AI SDKLovableLovableZ.aiZ.aiRaycastRaycastQwen CodeQwen CodeKimi CodeKimi CodeLe ChatLe Chat

Construindo o seu próprio app? O connector é seu para usar.

Você não precisa de um cliente para colocar pgvector para trabalhar: a mesma conexão hospedada entra nas suas aplicações e no código do seu agente, com a mesma governança em cada pedido. Construa com ele, converse com ele — uma conexão para os dois.

Observada, não estimada

Média de 897ms. Rápida em produção.

pgvector é verificado diariamente contra o serviço em produção.

Média diáriaPico de 1031ms
3 de out.Hoje
Dia mais rápido
763ms
Dia mais lento
1031ms
Tendência de 14 dias
Estável0%

Conecte seu cliente

Uma URL. Todos os clientes.

Ative o Connector, copie seu link e cole no cliente que você já usa. 6 capacidades chegam prontas para rodar.

Acesso de prévia · não é autenticação no provedor

O token vk_preview_* pertence à infraestrutura de prévia da Vinkius. Ele permite que o Claude descubra e exiba as capacidades de pgvector, para você ver a experiência dentro da sua IA.

Ele não autentica a sua conta com pgvector. Ações que exigem credenciais ou dados reais da conta podem não ser executadas até que você ative o Connector e autorize o serviço.

pgvector Connector

Tudo pronto. Escolha seu cliente MCP e siga as instruções de configuração.

Link do conectorhttps://edge.vinkius.com/vk_preview_m3Dmr7TKd7NjkaPwx4OA0eTWiY7yo9GZdmp9NSJ4/mcp

Claude Desktop

Siga os passos abaixo para conectar em segundos.

  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.
Configuração · claude_desktop_config.jsonCopiar
{
  "mcpServers": {
    "pgvector-vector-database-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_m3Dmr7TKd7NjkaPwx4OA0eTWiY7yo9GZdmp9NSJ4/mcp"
    }
  }
}
  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Instruções passo a passo para cada cliente estão no guia. Como conectar

Configuração guiada para o Claude? Configurar pgvector no Claude e outras IAs

Veja todos os clientes de IA com quem este connector funciona ↑

Para quem é

Feito para o trabalho que quem usa pgvector delega.

Desenvolvedores e arquitetos que precisam integrar capacidades de busca semântica em sistemas existentes.

  • 01

    Engenheiros de IA

    Para construir pipelines de RAG que consultam embeddings de produção sem criar novos endpoints de API.

  • 02

    Arquitetos de Dados

    Para gerenciar esquemas vetoriais, monitorar performance de índices e otimizar latência via chat.

  • 03

    Desenvolvedores Fullstack

    Para adicionar busca semântica em aplicativos atuais consultando o pgvector diretamente via agente de IA.

FAQ

Perguntas de quem usa 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.

Explore

Mais em Loved By Devs

Sugestões

Conecte pgvector ao Claude, Cursor, ChatGPT e outros