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.
Configurazione guidata
Collega Pinecone a Microsoft Copilot in 2 minuti
Avvia la prova gratuita su AnythingMCP Cloud, collega Pinecone con la configurazione guidata e aggiungi il tuo URL MCP a Microsoft Copilot. Senza codice e senza server da gestire.
Nessuna carta di credito · 7 giorni di prova · Alternativa self-host disponibile
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 + Microsoft Copilot
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 Microsoft Copilot
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.
Microsoft Copilot usa i server MCP tramite gli agenti creati in Copilot Studio: aggiungi AnythingMCP a un agente come strumento, poi pubblichi l'agente in Microsoft 365 Copilot e in Teams. Copilot Studio si collega dal cloud di Microsoft via Streamable HTTP, che AnythingMCP supporta.
- In Copilot Studio apri il tuo agente (o creane uno), vai su Tools e scegli Add a tool → New tool → Model Context Protocol.
- Inserisci un Server name (per esempio
AnythingMCP), una Server description che dica cosa fa il connettore e il Server URLhttps://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID. Copilot Studio usa la descrizione per decidere quando chiamare il server. - Come autenticazione scegli API key, imposta Type su Header e come nome dell'header
X-API-Key, poi seleziona Create. - In Add tool scegli Create a new connection, incolla una chiave API MCP di AnythingMCP (MCP Servers → il tuo server → API keys) e seleziona Add to agent.
- Provalo nel riquadro Test dell'agente: chiedi qualcosa che richiede i tool di
Pinecone. - Seleziona Publish, poi Channels → Microsoft 365 and Microsoft Teams, lascia selezionato Make agent available in Microsoft Copilot e scegli Add channel. See agent in Teams lo installa per te; in Microsoft 365 Copilot scrivi @ e scegli l'agente.
Preferisci un accesso per ogni utente? Al posto della chiave API scegli OAuth 2.0 → Dynamic discovery: ogni persona accede ad AnythingMCP la prima volta che l'agente lo chiama.
Usi il self-hosting? Usa l'indirizzo HTTPS pubblico della tua istanza al posto di https://cloud.anythingmcp.com. Copilot Studio si collega dal cloud di Microsoft, quindi localhost non funziona.
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
Per quale Copilot vale? Per Microsoft 365 Copilot in azienda, tramite gli agenti di Copilot Studio. L'app Microsoft Copilot per account personali non permette di aggiungere un proprio server MCP.
Cosa mi serve? Un account di lavoro con accesso a Copilot Studio (licenza o prova) per creare l'agente. Chi lo usa in Microsoft 365 Copilot o in Teams deve avere accesso all'agente: condividilo, oppure chiedi a un amministratore di pubblicarlo per l'organizzazione. Se la tua organizzazione applica criteri sui dati ai connettori di Power Platform, valgono anche per i server MCP.
L'agente non chiama i tool. Controlla che il nome dell'header sia esattamente X-API-Key e che la chiave appartenga allo stesso server MCP dell'URL, e scrivi una Server description precisa: Copilot Studio la usa per decidere quando chiamare il server. Dopo ogni modifica pubblica di nuovo l'agente; in una chat già aperta scrivi "start over" per passare alla nuova versione.
Prossimi passi
- Landing del connettore
- Collegare a Claude
- Collegare a ChatGPT
- Collegare a Cursor
- Collegare a Gemini
- Collegare a Meta Muse
Questa guida ti è stata utile?