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.
Configuración guiada
Conecta Pinecone a Microsoft Copilot en 2 minutos
Empieza la prueba gratuita en AnythingMCP Cloud, conecta Pinecone con la configuración guiada y añade tu URL MCP a Microsoft Copilot. Sin código y sin servidores que mantener.
Sin tarjeta de crédito · 7 días de prueba · Alternativa self-host disponible
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 + Microsoft Copilot
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 Microsoft Copilot
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.
Microsoft Copilot usa servidores MCP a través de agentes creados en Copilot Studio: añades AnythingMCP a un agente como herramienta y luego publicas el agente en Microsoft 365 Copilot y Teams. Copilot Studio se conecta desde la nube de Microsoft por Streamable HTTP, que AnythingMCP admite.
- En Copilot Studio, abre tu agente (o crea uno), ve a Tools y elige Add a tool → New tool → Model Context Protocol.
- Escribe un Server name (por ejemplo
AnythingMCP), una Server description que diga qué hace el conector y la Server URLhttps://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID. Copilot Studio usa la descripción para decidir cuándo llamar al servidor. - En la autenticación, elige API key, pon Type en Header y
X-API-Keycomo nombre de la cabecera, y selecciona Create. - En Add tool, elige Create a new connection, pega una clave de API MCP de AnythingMCP (MCP Servers → tu servidor → API keys) y selecciona Add to agent.
- Pruébalo en el panel Test del agente: pide algo que necesite las herramientas de
Pinecone. - Selecciona Publish y luego Channels → Microsoft 365 and Microsoft Teams, deja marcada Make agent available in Microsoft Copilot y elige Add channel. See agent in Teams lo instala para ti; en Microsoft 365 Copilot, escribe @ y elige el agente.
¿Prefieres que cada persona inicie sesión? En lugar de la clave de API elige OAuth 2.0 → Dynamic discovery: cada usuario inicia sesión en AnythingMCP la primera vez que el agente lo llama.
¿Lo alojas tú mismo? Usa la dirección HTTPS pública de tu instancia en lugar de https://cloud.anythingmcp.com. Copilot Studio se conecta desde la nube de Microsoft, así que localhost no funciona.
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
¿Para qué Copilot es? Para Microsoft 365 Copilot en el trabajo, mediante agentes de Copilot Studio. La app de Microsoft Copilot para cuentas personales no permite añadir tu propio servidor MCP.
¿Qué necesito? Una cuenta de trabajo con acceso a Copilot Studio (licencia o prueba) para crear el agente. Quien lo use en Microsoft 365 Copilot o Teams necesita acceso al agente: compártelo o pide a un administrador que lo publique para la organización. Si tu organización aplica directivas de datos a los conectores de Power Platform, también cubren los servidores MCP.
El agente no llama a las herramientas. Comprueba que el nombre de la cabecera sea exactamente X-API-Key y que la clave pertenezca al mismo servidor MCP que la URL, y escribe una Server description concreta: Copilot Studio la usa para decidir cuándo llamar al servidor. Vuelve a publicar el agente después de cada cambio; en un chat abierto, escribe "start over" para usar la nueva versión.
Siguientes pasos
- Página del conector
- Conectar a Claude
- Conectar a ChatGPT
- Conectar a Cursor
- Conectar a Gemini
- Conectar a Meta Muse
¿Te ha sido útil esta guía?