Embedding Search

io.github.lazymac2x由 GitHub 帳號 lazymac2x 發布v1.0.0更新於 Oct 24, 2026

Cloudflare Workers MCP server: embedding-search

已驗證Streamable HTTP可網頁執行AI 與機器學習

概覽

AI 產生的概覽

遠端 MCP 伺服器，讓助理產生文字向量嵌入、對文件做語意搜尋排序，並計算兩段文字的相似度。

可以做什麼
為一或多段文字產生 768 維向量嵌入（Cloudflare Workers AI 的 bge-base-en-v1.5）。以餘弦相似度對文件清單依查詢排序，回傳前 k 筆與分數。計算兩段文字之間的餘弦相似度，分數介於 -1 到 1。可用於去重與判斷語意相關程度。
適用情境
當你需要快速取得文字向量、在小型文件集合中做語意排序，或判斷兩段文字是否重複、相近時使用。適合原型開發與輕量檢索，不適合需要自架模型或大規模索引的情境。
執行需求
需要能連線至遠端端點（ Cloudflare Workers AI 產生，無需在本機安裝套件或執行環境。
安裝前請注意
文字內容會傳送至第三方遠端服務（Cloudflare Workers AI）進行嵌入與比對，請避免送出機密或個資。服務未宣告驗證機制，請留意傳輸內容的可見性。

安裝

在 SourceWeft 中

  1. 開啟 儀表板中的 Embedding Search，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。

Web executable，透過 Streamable HTTP。 遠端服務在工作區中設定後即可從網頁執行環境執行。

交給代理程式安裝

把這段提示詞貼上到 Claude Code、Codex、Cursor 等代理程式，或 SourceWeft 對話中。代理程式會讀取該伺服器的安裝指南，先向你展示發布者、端點和登入方式，經你同意後再把它新增到你的客戶端。金鑰不會寫進任何命令。

閱讀 https://sourceweft.com/mcp/io.github.lazymac2x%2Fembedding-search/install.md，並按其中說明把這個 MCP 伺服器接入我的客戶端。修改任何設定之前，先告訴我它的發布者、端點和登入方式，等我確認。不要把 API 金鑰寫進命令或我會提交的檔案；問我金鑰應從哪裡取得。

檢視代理程式所依據的安裝指南

其他 MCP 客戶端

把它新增到你客戶端的 mcpServers 設定中。

{
  "mcpServers": {
    "embedding-search": {
      "type": "http",
      "url": "https://api.lazy-mac.com/embedding-search/mcp"
    }
  }
}

README

該儲存庫沒有 README。

工具

3

generate_embeddings

Generate vector embeddings for one or more texts using Cloudflare Workers AI (bge-base-en-v1.5, 768-dim).

輸入參數text必填model

compute_similarity

Compute cosine similarity between two texts. Returns score in [-1,1]. Useful for dedup and relatedness.

輸入參數modeltext_a必填text_b必填

版本歷史

1
  1. v1.0.0最新Sep 16, 2026

評分

已滿足適用檢查項的 75%

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 天內可連通必需25 分
  • 已宣告認證方式必需10 分
  • 已列出工具必需15 分
  • 描述必需15 分
  • 圖示10 分
  • 文件15 分

    請宣告包含 README 的 GitHub 儲存庫，或在 OAuth 受保護資源後設資料中提供 resource_documentation。

  • 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。