Configurer Pinecone
Recherche dans la documentation Pinecone et crée, alimente et interroge des index vectoriels Pinecone depuis un serveur local.
- Éditeur
- Pinecone Officiel
- Exécuter en local
npx -y @pinecone-database/mcp- Transports
- stdio
- Authentification
- Une clé API Pinecone dans PINECONE_API_KEY.
- Environnement
PINECONE_API_KEY- Accès
- Lecture et écriture sur vos index.
- Licence
- Apache-2.0
- Source
- github.com/pinecone-io/pinecone-mcp
- Statut
- Actif
Installation
Ce serveur s’exécute sur votre machine en tant que processus enfant du client. Vous avez besoin de l’environnement d’exécution utilisé par sa commande, par exemple Node.js pour npx, uv pour uvx ou Docker, ainsi que des variables indiquées dans la section Environment.
Claude Code
claude mcp add --scope project --env PINECONE_API_KEY='<PINECONE_API_KEY>' pinecone -- npx -y @pinecone-database/mcp
Cursor
{
"mcpServers": {
"pinecone": {
"command": "npx",
"args": [
"-y",
"@pinecone-database/mcp"
],
"env": {
"PINECONE_API_KEY": "${env:PINECONE_API_KEY}"
}
}
}
}
Codex
[mcp_servers.pinecone]
command = "npx"
args = ["-y", "@pinecone-database/mcp"]
env_vars = ["PINECONE_API_KEY"]
Configuration pour les autres clients →
Autres serveurs de la catégorie modèles et mémoire
Memory
Stocke un graphe de connaissances composé d’entités et de relations dans un fichier local, afin que l’agent puisse retrouver des faits d’une session à l’autre.
Sequential Thinking
Fournit au modèle un bloc-notes pour décomposer un problème en étapes numérotées, qu’il peut modifier ou explorer en parallèle.
Hugging Face
Recherche des modèles, jeux de données, articles et documentation sur Hub, et appelle des Spaces Gradio comme outils, hébergés par Hugging Face.