Pinecone su MCP: ricerca vettoriale e RAG in qualsiasi agente AI

💡 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

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.

Setup

1. Apri la console di Pinecone su https://app.pinecone.io, scegli il progetto, apri API keys e fai clic su + API key.
2. 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.
3. Copia la chiave in PINECONE_API_KEY e installa il connettore. Pinecone la mostra una sola volta e di solito inizia con pcsk_. Una chiave vale per un solo progetto e il connettore la invia solo a pinecone.io.
4. Verifica la configurazione con pinecone_list_indexes: elenca i tuoi indici con il loro stato e l'index_host che 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_records cerca con testo normale.
• Indice di documenti (il tipo più recente, con campi tipizzati): pinecone_search_documents combina ricerca per parole chiave e ricerca semantica.
• Indice con i tuoi vettori: pinecone_query_vectors trova i record simili a un record salvato, oppure a un vettore che pinecone_embed crea 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.

Prerequisiti: PINECONE_API_KEY

Installazione locale del connettore

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

Apri http://localhost:3000/connectors/store, scegli Pinecone e inserisci le variabili elencate nei Prerequisiti.

Tool disponibili

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."

Prossimi passi

• Collegare a Claude
• Collegare a ChatGPT