Guía de conector7 minutos de lectura17 herramientas MCP7 idiomas

Cómo conectar Pinecone a Gemini vía MCP

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.

HCPor el equipo de HelpCodeActualizado 7 min de lectura Código abierto en GitHub

Sin tarjeta de crédito · 7 días de prueba · Alternativa self-host disponible

Pinecone

Pinecone

Let your AI search your Pinecone vector database: list indexes, run semantic and keyword search, query and fetch records, check namespaces and stats, embed and rerank with Pinecone Inference, chat with your Pinecone Assistants and, with your confirmation, add records.

herramientas

17

Región

INTL

Categoría

Bases de datos

Autenticación

API Key

Env vars requeridas

PINECONE_API_KEY
Instalar con un clic en Cloud

7 días de prueba gratis · Sin tarjeta de crédito

  • Prueba gratis de 7 días
    Sin tarjeta de crédito
  • RGPD y SOC 2 ready
    Datos en la UE, registros de auditoría
  • Código abierto en GitHub
    Open source · AGPL-3.0
  • Funciona con ChatGPT, Claude, Gemini
    Cualquier cliente compatible con MCP

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.

Empezar prueba gratis

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.

Pinecone · live vía MCP
Compartir
Opus 4.7

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 + Gemini

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

  1. Abre la consola de Pinecone en https://app.pinecone.io, elige el proyecto, abre API keys y haz clic en + API key.
  2. 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.
  3. Copia la clave en PINECONE_API_KEY e instala el conector. Pinecone solo la muestra una vez y suele empezar por pcsk_. Una clave sirve para un proyecto, y el conector solo la envía a pinecone.io.
  4. Comprueba la configuración con pinecone_list_indexes: lista tus índices con su estado y el index_host que 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_records busca con texto normal.
  • Índice de documentos (el tipo más nuevo, con campos tipados): pinecone_search_documents combina búsqueda por palabras clave y búsqueda semántica.
  • Índice con tus propios vectores: pinecone_query_vectors encuentra registros parecidos a un registro guardado, o a un vector que pinecone_embed crea 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 Gemini

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 muestra YOUR_SERVER_ID.

Gemini CLI lee los servidores MCP de ~/.gemini/settings.json (en Windows, %USERPROFILE%\.gemini\settings.json). Añade:

{
  "mcpServers": {
    "anythingmcp": {
      "httpUrl": "https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID",
      "headers": { "X-API-Key": "YOUR_MCP_API_KEY" }
    }
  }
}
  1. Crea una clave de API MCP en AnythingMCP en MCP Servers → tu servidor → API keys y pégala en lugar de YOUR_MCP_API_KEY.
  2. Guarda el archivo y reinicia gemini.
  3. Ejecuta /mcp dentro de Gemini CLI (o gemini mcp list en tu terminal): anythingmcp debería aparecer como conectado.
  4. Empieza a escribir prompts: Gemini CLI ya puede llamar a las herramientas de Pinecone.

Herramientas disponibles

ToolWhat it does
pinecone_list_indexesList the indexes of the Pinecone project: name, index_host (pass it to every data tool), readiness, deployment (serverless cloud and…
pinecone_describe_indexDescribe one index: index_host (pass it to the data tools), readiness, deployment, schema (dimension, metric, embedding model and field map…
pinecone_describe_index_statsGet statistics of an index: total record count, record count per namespace, dimension, metric, vector type and fullness (pod indexes)
pinecone_list_namespacesList the namespaces of an index with their record counts, 100 per page; call again with pagination_token = pagination.next until it is…
pinecone_search_recordsSemantic search with plain text on an integrated index (one created with a hosted embedding model; its schema shows a semantic_text field)…
pinecone_search_documentsSearch 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_vectorsFind the records most similar to a stored record (by id) or to a query vector you pass, optionally with a metadata filter
pinecone_fetch_vectorsFetch stored records by id: id and metadata of each
pinecone_list_vector_idsList 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_recordsAdd or replace text records in an integrated index; Pinecone embeds the text with the index's model
pinecone_update_metadataSet metadata fields on one stored record; fields not named stay as they are and the vector is unchanged
pinecone_delete_vectorsDelete stored records by id
pinecone_list_modelsList the embedding and reranking models Pinecone hosts, with type, vector type, dimensions, maximum input and batch size and supported…
pinecone_embedTurn texts into vectors with a Pinecone-hosted embedding model, e.g. to query an index that stores your own vectors with…
pinecone_rerankReorder 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_assistantsList the Pinecone Assistants of the project: name, status, instructions, metadata, host and region, and when they were created
pinecone_chat_assistantAsk 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

¿Dónde busca Gemini CLI los servidores MCP? En ~/.gemini/settings.json para tu usuario, o en .gemini/settings.json dentro de un proyecto. gemini mcp list muestra cada servidor y si se conecta.

Siguientes pasos

¿Te ha sido útil esta guía?

Tu agente de Pinecone está a un clic.

Instala el conector, pega la clave y pregunta a Gemini. 7 días gratis, sin tarjeta de crédito.

Guías relacionadas

Conectores

Cómo conectar Pinecone a ChatGPT vía MCP

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.

Conectores

Cómo conectar Pinecone a Claude vía MCP

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.

Conectores

Cómo conectar Pinecone a Cursor vía MCP

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.

Conectores

Cómo conectar Pinecone a Meta Muse vía MCP

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.

Conectores

Pinecone a MCP: búsqueda vectorial y RAG en cualquier agente IA

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.

Conectores

Cómo conectar Avito a Gemini vía MCP

Deja que tu IA trabaje con tu cuenta de empresa de Avito: lista tus anuncios y cambia sus precios, lee estadísticas de visitas, contactos y llamadas, revisa las cargas de autoload y sus errores, el formato del feed y tu monedero, y lee los chats de Avito Messenger. Enviar mensajes y cambiar los ajustes de autoload son opcionales y están desactivados por defecto.