Sáltate la instalación. Funcionando en menos de 2 minutos.
Inicia una prueba gratuita en cloud.anythingmcp.com, añade Pinecone con un clic y apunta tu cliente de IA (Claude, ChatGPT, Copilot o Cursor) al endpoint MCP generado. Sin Docker, sin git clone, sin experiencia de desarrollo.
Resumen
Deja que tu IA busque en tu base de datos vectorial Pinecone: lista índices, haz búsquedas semánticas y por palabras clave, consulta y recupera registros, revisa namespaces y estadísticas, genera embeddings y reordena resultados con Pinecone Inference, chatea con tus Pinecone Assistants y, con tu confirmación, añade registros.
Prueba a pedir
Prompts de ejemplo para Pinecone
Haz clic en un prompt para copiarlo. Pégalo en Claude, ChatGPT, Cursor, Gemini, Copilot u OpenClaw para ejecutarlo contra este conector.
Claude es IA y puede equivocarse. Verifica siempre las respuestas.
💡 ¿Sin instalación? Usa cloud.anythingmcp.com directamente. Inicia sesión, pulsa Connectors → Pinecone, pega tus credenciales, genera una MCP API key y listo. Sin Docker, sin
git clone, sin servidor local.
Pinecone + ChatGPT
Deja que tu IA busque en tu base de datos vectorial Pinecone: lista índices, haz búsquedas semánticas y por palabras clave, consulta y recupera registros, revisa namespaces y estadísticas, genera embeddings y reordena resultados con Pinecone Inference, chatea con tus Pinecone Assistants y, con tu confirmación, añade registros.
Requisitos previos
Las instrucciones de configuración completas están incluidas en el conector (visibles en el store al seleccionarlo). Las variables de entorno requeridas:
PINECONE_API_KEY
Paso 1 — Obtener credenciales
- Abre la consola de Pinecone en
https://app.pinecone.io, elige el proyecto, abre API keys y haz clic en + API key. - Elige los permisos. Para solo lectura elige ProjectViewer (o ControlPlaneViewer más DataPlaneViewer): búsqueda, embeddings, reranking y chat con assistants funcionan con él. Da a la clave un rol de editor (ProjectEditor o DataPlaneEditor) solo si la IA puede escribir registros. En los planes Starter y Builder Pinecone solo ofrece All.
- Copia la clave en
PINECONE_API_KEYe instala el conector. Pinecone solo la muestra una vez y suele empezar porpcsk_. Una clave sirve para un proyecto, y el conector solo la envía a pinecone.io. - Comprueba la configuración con
pinecone_list_indexes: lista tus índices con su estado y elindex_hostque necesitan las herramientas de datos.
Hosts de los índices: cada índice tiene su propia dirección. La IA llama primero a pinecone_list_indexes o pinecone_describe_index y pasa el index_host que obtiene a cada búsqueda, consulta y escritura. Nunca tienes que buscarlo tú.
La búsqueda adecuada para cada índice: el esquema del índice decide qué herramienta usar.
- Índice integrado (creado con un modelo de embeddings alojado):
pinecone_search_recordsbusca con texto normal. - Índice de documentos (el tipo más nuevo, con campos tipados):
pinecone_search_documentscombina búsqueda por palabras clave y búsqueda semántica. - Índice con tus propios vectores:
pinecone_query_vectorsencuentra registros parecidos a un registro guardado, o a un vector quepinecone_embedcrea con el mismo modelo que el índice.
pinecone_fetch_vectors y pinecone_list_vector_ids leen registros por id; pinecone_describe_index_stats y pinecone_list_namespaces los cuentan. Los valores de los vectores nunca llegan a la IA, solo ids, puntuaciones y metadatos.
Pinecone Inference y Assistant: pinecone_list_models, pinecone_embed y pinecone_rerank usan los modelos que aloja Pinecone, por ejemplo para ordenar los resultados de una búsqueda por relevancia. Con pinecone_list_assistants y pinecone_chat_assistant la IA le hace una pregunta a uno de tus Pinecone Assistants; la respuesta sale de los archivos que tiene cargados, con citas, y puede tardar de 10 a 30 segundos.
Las escrituras preguntan antes: pinecone_upsert_records añade o reemplaza registros de texto en un índice integrado (hasta 96 por llamada) y pinecone_update_metadata cambia los metadatos de un registro. Antes de cada escritura la IA te muestra el índice, el namespace y los registros o campos y espera tu sí. Los registros nuevos aparecen en las búsquedas unos segundos después.
Desactivada al instalar: pinecone_delete_vectors, porque los registros borrados no se pueden recuperar. Un administrador la activa de forma deliberada; incluso entonces la IA te muestra los ids y pregunta antes de borrar.
Costes: búsquedas, consultas y lecturas consumen read units y las escrituras write units de tu plan de Pinecone; embeddings, reranking y chat con assistants se cobran por token o por solicitud. La IA mantiene pocos resultados salvo que pidas más.
Errores frecuentes: 401 (Invalid API key o Wrong API key): la clave es incorrecta, se borró o pertenece a otro proyecto. 403: el rol de la clave no lo permite, por ejemplo una clave viewer que intenta escribir. 404: índice, namespace o assistant desconocido; pinecone_list_indexes y pinecone_list_assistants muestran los nombres correctos. 400 en una búsqueda de texto: el índice no es integrado, así que la IA necesita la búsqueda que corresponde a su tipo. 429: límite de frecuencia o del plan; espera un momento y vuelve a intentarlo.
El conector no crea, configura ni borra índices, colecciones o copias de seguridad, no hace importaciones masivas, no sube ni borra archivos de assistants y no gestiona proyectos ni claves de API.
Paso 2 — Instalar el adapter
curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d
Paso 3 — Añadir el conector en ChatGPT
La URL de tu servidor: en AnythingMCP abre MCP Servers → el servidor donde está este conector y copia su URL (
https://cloud.anythingmcp.com/mcp/…). Úsala donde esta guía muestraYOUR_SERVER_ID.
ChatGPT añade servidores MCP como plugins desde su página Plugins, en la web y en los planes de pago. Ya no hace falta el modo desarrollador. En un espacio Business solo pueden hacerlo los administradores y propietarios; en Enterprise y Edu un administrador puede conceder el permiso Create plugins with MCPs.
- Ve a chatgpt.com/plugins, pulsa + y luego Add custom MCP server.
- Escribe un nombre, por ejemplo Name:
Pinecone. - En Connection, introduce como Server URL
https://cloud.anythingmcp.com/mcp/YOUR_SERVER_IDy deja Authentication en OAuth. - Selecciona I understand and want to continue y después Create as a plugin. Cuando ChatGPT lo pida, inicia sesión en AnythingMCP y permite el acceso.
- Instala el nuevo plugin desde tus plugins personales; luego escribe @ en un chat y elígelo.
Herramientas disponibles
| Tool | What it does |
|---|---|
pinecone_list_indexes | List the indexes of the Pinecone project: name, index_host (pass it to every data tool), readiness, deployment (serverless cloud and… |
pinecone_describe_index | Describe one index: index_host (pass it to the data tools), readiness, deployment, schema (dimension, metric, embedding model and field map… |
pinecone_describe_index_stats | Get statistics of an index: total record count, record count per namespace, dimension, metric, vector type and fullness (pod indexes) |
pinecone_list_namespaces | List the namespaces of an index with their record counts, 100 per page; call again with pagination_token = pagination.next until it is… |
pinecone_search_records | Semantic search with plain text on an integrated index (one created with a hosted embedding model; its schema shows a semantic_text field)… |
pinecone_search_documents | Search a document index (the newer index type with a typed schema) with one or more scoring methods: full-text (type text or query_string)… |
pinecone_query_vectors | Find the records most similar to a stored record (by id) or to a query vector you pass, optionally with a metadata filter |
pinecone_fetch_vectors | Fetch stored records by id: id and metadata of each |
pinecone_list_vector_ids | List the record ids in a namespace (serverless indexes), optionally only those starting with a prefix such as doc1#; up to 100 per page… |
pinecone_upsert_records | Add or replace text records in an integrated index; Pinecone embeds the text with the index's model |
pinecone_update_metadata | Set metadata fields on one stored record; fields not named stay as they are and the vector is unchanged |
pinecone_delete_vectors | Delete stored records by id |
pinecone_list_models | List the embedding and reranking models Pinecone hosts, with type, vector type, dimensions, maximum input and batch size and supported… |
pinecone_embed | Turn texts into vectors with a Pinecone-hosted embedding model, e.g. to query an index that stores your own vectors with… |
pinecone_rerank | Reorder documents by relevance to a query with a Pinecone-hosted reranking model: returns each document's index in the input list and a… |
pinecone_list_assistants | List the Pinecone Assistants of the project: name, status, instructions, metadata, host and region, and when they were created |
pinecone_chat_assistant | Ask a Pinecone Assistant a question: it answers from the files uploaded to it and returns the answer with citations (file name and pages) |
Ejemplos de prompts
- "¿Qué índices tenemos en Pinecone y cuántos registros tiene cada namespace?"
- "Busca en el índice help-center cómo cancelar una suscripción y muéstrame los cinco mejores resultados con su puntuación."
- "Pregunta a nuestro Pinecone Assistant contracts-bot cuál es el plazo de preaviso del contrato con Acme y muéstrame las citas."
- "Reordena estos seis pasajes según lo bien que responden a la pregunta sobre reembolsos de planes anuales, del mejor al peor."
- "Añade estas tres respuestas de las FAQ como registros en el namespace faq del índice help-center. Enséñame los registros antes de escribirlos."
FAQ
¿Funciona el plan gratuito de ChatGPT con servidores MCP personalizados? OpenAI documenta los servidores MCP personalizados solo para los planes de pago; el plan Free no aparece en su lista.
Siguientes pasos
¿Te ha sido útil esta guía?
