GenPark Vector Embedding Cache Deduplication Sentinel

io.github.alphaparkinc由 GitHub 帳號 alphaparkinc 發布v1.0.1更新於 Oct 26, 2026

High-dimensional vector embedding semantic SimHash deduplication sentinel with LRU cache simulation

已驗證STDIO僅桌面資料與分析AI 與機器學習

概覽

AI 產生的概覽

本機 Python MCP 伺服器，以語意 SimHash 模擬高維向量嵌入的去重，並附帶 LRU 快取模擬。

可以做什麼
  • 以語意 SimHash 比對高維向量嵌入，找出近似重複
  • 模擬 LRU 快取，用於嵌入查詢與重用
  • README 未列出個別工具，實際可執行的操作沒有文件說明
  • 以 Python 3 標準函式庫腳本形式執行，沒有第三方相依套件
適用情境
適合想讓助理實驗嵌入近似重複偵測，或為嵌入流程模擬快取行為，且不想引入外部服務時使用。
執行需求
需要本機 Python 3 執行環境；README 範例設定以 python 指令啟動 mcp_server.py。未宣告任何 API 金鑰、環境變數或標頭。僅限桌面用戶端（Claude Desktop 或 Cursor 類設定）。
安裝前請注意
README 沒有工具清單，伺服器對資料實際做什麼並無文件說明，執行前應先檢視腳本。它只是模擬實作，結果不宜視為正式環境的去重或快取行為。

安裝

在 SourceWeft 中

  1. 開啟 儀表板中的 GenPark Vector Embedding Cache Deduplication Sentinel，將其新增到工作區。
  2. 為需要使用其工具的對話啟用該服務。

Desktop only，透過 STDIO。 STDIO 服務會啟動本機處理程序，因此需要 SourceWeft 桌面主機。

其他 MCP 客戶端

參照 儲存庫 中的啟動說明。

README

genpark-vector-embedding-cache-deduplication-sentinel-skill

[Verified by Smithery] [LinkedIn] [Website]

High-dimensional vector embedding semantic SimHash deduplication sentinel with LRU cache simulation

Quick Installation & MCP Integration

Add to your Claude Desktop or Cursor configuration:

json
{  "mcpServers": {    "genpark-vector-embedding-cache-deduplication-sentinel-skill": {      "command": "python",      "args": ["mcp_server.py"]    }  }}

Zero Dependencies

Implemented entirely in Python 3 standard library.

來源：README.md，提交 af3c46b

工具

0
SourceWeft 尚未在沙箱中啟動過該軟體包，因此其工具未知。

版本歷史

1
  1. v1.0.1最新Oct 19, 2026

評分

已滿足適用檢查項的 40%

該評分衡量此收錄條目的完整程度，依據註冊中心條目、端點與公開來源計算得出。它不是對伺服器本身的評價，也不表示伺服器安全或目前可用：可連通性是帶日期的檢查結果，評分也不包含安裝量或使用者評價。

  • 近 30 天內可連通25 分

    請保持端點能夠回應 MCP 握手；SourceWeft 每 30 天探測一次。

  • 已宣告認證方式10 分

    請在註冊中心條目中宣告憑證請求標頭，或保持端點能夠回應探測，以便判定其認證方式。

  • 已列出工具15 分

    請讓伺服器在無憑證時回應 tools/list，或發布可在沙箱中無憑證啟動的軟體包。

  • 描述必需15 分
  • 圖示10 分
  • 文件15 分
  • 授權條款10 分

    請在儲存庫或註冊中心條目中宣告授權條款。