Salta l'installazione. Attivo in meno di 2 minuti.
Avvia una prova gratuita su cloud.anythingmcp.com, aggiungi Pinecone con un clic, poi punta il tuo client AI (Claude, ChatGPT, Copilot o Cursor) all'endpoint MCP generato. Niente Docker, niente git clone, nessuna esperienza di sviluppo richiesta.
In breve
Fai cercare la tua AI nel tuo database vettoriale Pinecone: elenca gli indici, esegui ricerche semantiche e per parole chiave, interroga e recupera record, controlla namespace e statistiche, crea embedding e riordina i risultati con Pinecone Inference, chatta con i tuoi Pinecone Assistant e, con la tua conferma, aggiungi record.
Prova a chiedere
Prompt di esempio per Pinecone
Clicca su un prompt per copiarlo. Incollalo in Claude, ChatGPT, Cursor, Gemini, Copilot o OpenClaw per eseguirlo contro questo connettore.
Claude è un'AI e può sbagliare. Verifica sempre le risposte.
💡 Niente installazione? Vai direttamente su cloud.anythingmcp.com. Accedi, clicca Connectors → Pinecone, inserisci le credenziali, genera una MCP API key e hai finito. Niente Docker, niente
git clone, niente server locale.
Pinecone + ChatGPT
Fai cercare la tua AI nel tuo database vettoriale Pinecone: elenca gli indici, esegui ricerche semantiche e per parole chiave, interroga e recupera record, controlla namespace e statistiche, crea embedding e riordina i risultati con Pinecone Inference, chatta con i tuoi Pinecone Assistant e, con la tua conferma, aggiungi record.
Prerequisiti
Le istruzioni di setup complete sono incluse nel connettore stesso (visibili nello store quando lo selezioni). Le variabili d'ambiente richieste sono:
PINECONE_API_KEY
Step 1 — Ottieni le credenziali
- Apri la console di Pinecone su
https://app.pinecone.io, scegli il progetto, apri API keys e fai clic su + API key. - Scegli i permessi. Per la sola lettura scegli ProjectViewer (oppure ControlPlaneViewer più DataPlaneViewer): ricerca, embedding, reranking e chat con gli assistant funzionano tutti. Dai alla chiave un ruolo da editor (ProjectEditor o DataPlaneEditor) solo se l'AI può scrivere record. Nei piani Starter e Builder Pinecone offre solo All.
- Copia la chiave in
PINECONE_API_KEYe installa il connettore. Pinecone la mostra una sola volta e di solito inizia conpcsk_. Una chiave vale per un solo progetto e il connettore la invia solo a pinecone.io. - Verifica la configurazione con
pinecone_list_indexes: elenca i tuoi indici con il loro stato e l'index_hostche serve agli strumenti sui dati.
Host degli indici: ogni indice ha un proprio indirizzo. L'AI chiama prima pinecone_list_indexes o pinecone_describe_index e passa l'index_host ottenuto a ogni ricerca, query e scrittura. Non devi mai cercarlo tu.
La ricerca giusta per ogni indice: è lo schema dell'indice a decidere quale strumento usare.
- Indice integrato (creato con un modello di embedding ospitato):
pinecone_search_recordscerca con testo normale. - Indice di documenti (il tipo più recente, con campi tipizzati):
pinecone_search_documentscombina ricerca per parole chiave e ricerca semantica. - Indice con i tuoi vettori:
pinecone_query_vectorstrova i record simili a un record salvato, oppure a un vettore chepinecone_embedcrea con lo stesso modello dell'indice.
pinecone_fetch_vectors e pinecone_list_vector_ids leggono i record per id; pinecone_describe_index_stats e pinecone_list_namespaces li contano. I valori dei vettori non arrivano mai all'AI, solo id, punteggi e metadati.
Pinecone Inference e Assistant: pinecone_list_models, pinecone_embed e pinecone_rerank usano i modelli ospitati da Pinecone, per esempio per ordinare i risultati di una ricerca per pertinenza. Con pinecone_list_assistants e pinecone_chat_assistant l'AI fa una domanda a uno dei tuoi Pinecone Assistant; la risposta arriva dai file caricati, con le citazioni, e può richiedere da 10 a 30 secondi.
Le scritture chiedono prima: pinecone_upsert_records aggiunge o sostituisce record di testo in un indice integrato (fino a 96 per chiamata) e pinecone_update_metadata modifica i metadati di un record. Prima di ogni scrittura l'AI ti mostra indice, namespace e record o campi e aspetta il tuo sì. I nuovi record compaiono nelle ricerche dopo pochi secondi.
Disattivato all'installazione: pinecone_delete_vectors, perché i record eliminati non si possono recuperare. Un amministratore lo attiva consapevolmente; anche in quel caso l'AI ti mostra gli id e chiede prima di eliminare.
Costi: ricerche, query e letture consumano read unit, le scritture write unit del tuo piano Pinecone; embedding, reranking e chat con gli assistant si pagano per token o per richiesta. L'AI tiene basso il numero di risultati, a meno che tu non ne chieda di più.
Errori comuni: 401 (Invalid API key o Wrong API key): la chiave è errata, eliminata o appartiene a un altro progetto. 403: il ruolo della chiave non lo consente, per esempio una chiave viewer che prova a scrivere. 404: indice, namespace o assistant sconosciuto; pinecone_list_indexes e pinecone_list_assistants mostrano i nomi giusti. 400 su una ricerca testuale: l'indice non è un indice integrato, quindi l'AI deve usare la ricerca adatta al suo tipo. 429: limite di frequenza o del piano; attendi un momento e riprova.
Il connettore non crea, configura né elimina indici, collection o backup, non esegue importazioni massive, non carica né elimina file degli assistant e non gestisce progetti e chiavi API.
Step 2 — Installa l'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
Step 3 — Aggiungi il connettore in ChatGPT
L'URL del tuo server: in AnythingMCP apri MCP Servers → il server su cui si trova questo connettore e copia il suo URL (
https://cloud.anythingmcp.com/mcp/…). Usalo ovunque questa guida mostraYOUR_SERVER_ID.
ChatGPT aggiunge i server MCP come plugin dalla pagina Plugins, sul web e nei piani a pagamento. La modalità sviluppatore non serve più. In un workspace Business possono farlo solo admin e owner; in Enterprise ed Edu un amministratore può concedere il permesso Create plugins with MCPs.
- Vai su chatgpt.com/plugins, clicca + e poi Add custom MCP server.
- Inserisci un nome, ad esempio Name:
Pinecone. - In Connection inserisci come Server URL
https://cloud.anythingmcp.com/mcp/YOUR_SERVER_IDe lascia Authentication su OAuth. - Seleziona I understand and want to continue, poi Create as a plugin. Quando ChatGPT lo chiede, accedi ad AnythingMCP e consenti l'accesso.
- Installa il nuovo plugin dai tuoi plugin personali, poi digita @ in una chat e selezionalo.
Tool disponibili
| 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) |
Esempi di prompt
- "Quali indici abbiamo in Pinecone e quanti record contiene ogni namespace?"
- "Cerca nell'indice help-center come si disdice un abbonamento e mostrami i cinque risultati migliori con il loro punteggio."
- "Chiedi al nostro Pinecone Assistant contracts-bot qual è il preavviso nel contratto Acme e mostrami le citazioni."
- "Riordina questi sei passaggi in base a quanto rispondono bene alla domanda sui rimborsi dei piani annuali, dal migliore."
- "Aggiungi queste tre risposte delle FAQ come record nel namespace faq dell'indice help-center. Mostrami i record prima di scriverli."
FAQ
Il piano free di ChatGPT funziona con i server MCP personalizzati? OpenAI documenta i server MCP personalizzati solo per i piani a pagamento; il piano Free non è nell'elenco.
Prossimi passi
- Landing del connettore
- Collegare a Claude
- Collegare a Cursor
- Collegare a Gemini
- Collegare a Meta Muse
Questa guida ti è stata utile?
