プロトタイプ · プレビュー版：公式レジストリのすべてのサーバーを掲載し、30分ごとに同期しています。レビューとアカウント機能は今後のステップで始まります。
PopNx MCPAIを使う人のためのMCPサーバー · やさしい言葉で解説
初心者モード オン
配色システムに合わせるライトダーク
言語ไทยEnglish中文日本語한국어EspañolDeutsch
☰ メニュー設定
初心者モード オン
配色システムに合わせるライトダーク
言語ไทยEnglish中文日本語한국어EspañolDeutsch

Vectora

作者：brunosrzバージョン 0.1.0rc3i★ –iパソコンで動く
レジストリ名io.github.brunosrz/vectora

インストール

概要

作者による説明（英語の原文）

AI assistant with RAG, web search, filesystem and memory. MCP sub-agent for Claude Code.

PopNx MCPの3つの柱

この3つを1つのスコアにまとめることはしません。意見、測定、人気はそれぞれ別のものだからです。

できること

このサーバーのやさしい解説はまだ書いていません。以下はレジストリから読み取った事実です。

  • 接続方法: パソコンで動く
  • トランスポート: stdio
  • カテゴリ: 検索・AIの記憶
  • 入力が必要なもの：GOOGLE_API_KEY, COHERE_API_KEY, TAVILY_API_KEY, OPENAI_API_KEY, ANTHROPIC_API_KEY, LANGSMITH_API_KEY

インストール

使っているAIアプリを選んで、設定をコピーしてください。

インストールの前に

  • 基本チェック：1項目中1項目に合格
  • あなたのパソコンで、あなたのユーザーと同じ権限（ファイル、ネットワーク、アプリ）で動きます。
  • 自分で入力するもの： GOOGLE_API_KEY, COHERE_API_KEY, TAVILY_API_KEY, OPENAI_API_KEY, ANTHROPIC_API_KEY, LANGSMITH_API_KEY

「秘密」と表示された値は、あなたのアカウントの鍵です。絶対に人に教えたり、チャットに貼り付けたりしないでください。

必要なもの

  • PyPIPythonのuvのインストール（uvxコマンドに必要）

どのアプリを使っていますか？

上でアプリを選んでください。選んだアプリを覚えておくので、次からはボタンに「…にインストール」と表示されます。

Claude Desktop → Settings → Developer → Edit Config を開き、claude_desktop_config.json にこれを貼り付けます

{
  "mcpServers": {
    "vectora": {
      "command": "uvx",
      "args": [
        "vectora-agent"
      ],
      "env": {
        "GOOGLE_API_KEY": "your-value",
        "COHERE_API_KEY": "your-value",
        "TAVILY_API_KEY": "your-value",
        "OPENAI_API_KEY": "your-value",
        "ANTHROPIC_API_KEY": "your-value",
        "LANGSMITH_API_KEY": "your-value"
      }
    }
  }
}

ターミナルでこれを実行します

claude mcp add vectora --env GOOGLE_API_KEY=your-value --env COHERE_API_KEY=your-value --env TAVILY_API_KEY=your-value --env OPENAI_API_KEY=your-value --env ANTHROPIC_API_KEY=your-value --env LANGSMITH_API_KEY=your-value -- uvx vectora-agent

動かす前に、空欄の値を入力してください。

Cursorで開く

または、設定を自分でコピーする

プロジェクトの .cursor/mcp.json、または ~/.cursor/mcp.json に貼り付けます

{
  "mcpServers": {
    "vectora": {
      "command": "uvx",
      "args": [
        "vectora-agent"
      ],
      "env": {
        "GOOGLE_API_KEY": "your-value",
        "COHERE_API_KEY": "your-value",
        "TAVILY_API_KEY": "your-value",
        "OPENAI_API_KEY": "your-value",
        "ANTHROPIC_API_KEY": "your-value",
        "LANGSMITH_API_KEY": "your-value"
      }
    }
  }
}

ブラウザがアプリを開いてよいか確認し、そのあとアプリが設定を表示して確認を求めます。キーの値は空欄のままなので、自分で入力してください。

VS Codeで開く

または、設定を自分でコピーする

プロジェクトの .vscode/mcp.json に貼り付けます

{
  "servers": {
    "vectora": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "vectora-agent"
      ],
      "env": {
        "GOOGLE_API_KEY": "your-value",
        "COHERE_API_KEY": "your-value",
        "TAVILY_API_KEY": "your-value",
        "OPENAI_API_KEY": "your-value",
        "ANTHROPIC_API_KEY": "your-value",
        "LANGSMITH_API_KEY": "your-value"
      }
    }
  }
}

ブラウザがアプリを開いてよいか確認し、そのあとアプリが設定を表示して確認を求めます。キーの値は空欄のままなので、自分で入力してください。

これはパソコンで動くサーバーですが、ChatGPTがつなげるのはインターネット上のサーバーだけです。ほかのアプリを選んでください。

選んだアプリは、この端末のCookieに保存されます。アカウントは不要です。

自分で入力する値

  • GOOGLE_API_KEY 秘密 env
    Google Gemini API key (recommended free-tier LLM provider)
  • COHERE_API_KEY 秘密 必須 env
    Cohere API key — required for RAG embeddings and reranking
  • TAVILY_API_KEY 秘密 必須 env
    Tavily API key — required for web search and URL extraction
  • OPENAI_API_KEY 秘密 env
    OpenAI API key (optional — alternative LLM provider)
  • ANTHROPIC_API_KEY 秘密 env
    Anthropic API key (optional — alternative LLM provider)
  • LANGSMITH_API_KEY 秘密 env
    LangSmith API key (optional — tracing and observability)

この設定は、作者のレジストリ登録情報から作成しています。READMEと違う場合は、READMEに従ってください。

できること

パソコンで動くサーバーです。インストールすると、ツール一覧がAIアプリに表示されます。

基本チェックi

誰でも見られる情報をチェックしており、コードは読んでいません。当てはまらない項目は数に入れていません。 · 2026年11月6日にチェック

  • ✓ 合格

    作者とリポジトリが一致

    レジストリ名は、リポジトリを所有するGitHubアカウント brunosrz で確認済みです

  • … 未チェック

    今もメンテナンスされている

    このリポジトリはまだGitHubから読み取っていません

  • … 未チェック

    ライセンスがある

    このリポジトリはまだGitHubから読み取っていません

  • – 対象外

    エンドポイントが応答する

    これはパソコンで動くため、インターネット上のエンドポイントはありません

  • – 対象外

    OAuthでサインイン

    パソコンで動き、代わりにローカルの設定を使います

  • … 未チェック

    ツールの説明に隠れた指示がない

    パソコンで動くサーバーです。ツール一覧を読み取れるのは、インターネット上のエンドポイントがある場合だけです

検索・AIの記憶のほかのサーバーとの比較i

  • このカテゴリのほかの7248件のうち0%よりスターが多い
  • このカテゴリのほかの7248件のうち13%より最近レジストリに公開
  • 基本チェックの結果が、このカテゴリのほかの7248件のうち100%と同じかそれ以上

レジストリでこのカテゴリにある有効なすべてのサーバーと比較しています。スターは、公開者がリポジトリの所有者である場合だけ数えます。

よくある質問

Vectoraは安全ですか？

当てはまる基本チェック1項目のうち1項目に合格しました。コードは読んでいません。キーやトークンを追加する前に、サーバーがどんなアクセスを求めているかを確認し、必要な権限だけを持つキーを使ってください。

どんなキーやコードが必要ですか？

入力が必要なもの：GOOGLE_API_KEY, COHERE_API_KEY, TAVILY_API_KEY, OPENAI_API_KEY, ANTHROPIC_API_KEY, LANGSMITH_API_KEY

パソコンで動きますか、それともクラウドですか？

あなたのパソコンで動きます。必要なときにAIアプリが起動し、データは作者のサーバーを通りません（サーバー自体がオンラインサービスを呼び出す場合を除きます）。

今もメンテナンスされていますか？

GitHubリポジトリの最終更新は–、最新バージョン（0.1.0rc3）がレジストリに届いたのは6 か月前です。

どのアプリで使えますか？

Claude Desktop、Claude Code、Cursor、VS CodeなどのMCP対応アプリで使えます。パソコンにPython (uv)も必要です。

代わりに使えるものは？

同じカテゴリには：Context7, Codebase Memory, Exa

代わりの候補

同じカテゴリで、ほかの作者が作ったサーバー。スターの多い順。

カードの見方：★ GitHubスターi3つの柱：レビュー · チェック · 利用状況i更新＝最新バージョンをレジストリに公開した日i

Context7

作者：upstash

Up-to-date docs for AI agents

パソコンでもクラウドでも★ 64,224MIT今日更新
インストール

Codebase Memory

作者：DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

パソコンで動く★ 48,148MIT20 日前更新
インストール

Exa

作者：exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

クラウドで動く★ 5,213MIT先月更新
インストール

作者のREADME

READMEを開く

作者のリポジトリから書かれたとおりにコピーしたものです。PopNx MCPは内容を確認・推奨していません。HTML、画像、スクリプトは取り除いています。リンクはこのサイトの外へ移動します。

Vectora

Vectora é um assistente de IA self-hosted para equipes de desenvolvimento — roda inteiramente no seu servidor, com um workbench completo (arquivos, git, terminal, RAG, Context Graph, browser) compartilhado entre você e o agente, e vem com um chat web multi-usuário.

No seu núcleo, o Vectora resolve o problema do abismo de conhecimento: os LLMs não conhecem sua base de código, sua documentação ou as versões mais recentes da sua stack. O Vectora preenche essa lacuna por dois caminhos complementares: RAG híbrido (BM25 + vetores densos + reranker Cohere/VoyageAI) para recuperação por similaridade, e o Context Graph — um grafo de conhecimento nativo do workspace (funções, classes, conceitos e suas relações, via tree-sitter + extração semântica por LLM) para contexto estrutural.

Por que o Vectora?

  • Motor nativo — o loop de execução (backend/engine/conversation_loop.py::run_conversation) é um while imperativo, não um grafo compilado. Isso dá HITL configurável por modo de permissão, backends de filesystem pluggable e um supervisor que delega para 2 subagentes especializados com instruções explícitas — sem hops de roteamento desnecessários.
  • Pipeline RAG híbrido — cada recuperação roda BM25 + busca vetorial densa + reranker antes de voltar para o supervisor sintetizar a resposta.
  • Context Graph nativo — analisa o workspace (AST via tree-sitter para Python/JS/TS/Go/Rust/Java/C/C++, + extração semântica por LLM) e gera um grafo de conhecimento com god nodes, comunidades e perguntas sugeridas. Configurável por tipo de arquivo (ex.: só markdown, deixando o código para o RAG).
  • 70+ ferramentas nativas — filesystem, git (14 operações), GitHub (gh), terminal (PTY real), web, RAG, memória, integrações opcionais (Jira, Slack, Linear, Google Drive, Gmail, Notion) e utilitárias (hash, JWT, regex, HTTP) — sempre disponíveis, sem instalar plugins.
  • Resiliência de provider — fallback automático de LLM por quota (429 troca de provider sozinho, com aviso visível) e de embeddings/rerank (Cohere↔VoyageAI). O model selector reflete o provider ativo.
  • Embeddings curados — resultados da busca web passam por um gate de curadoria (reranker + LLM judge) antes de serem indexados. Sua base de conhecimento nunca é contaminada.
  • Chat web multi-usuário — interface React 19 (Vite + TanStack Router) com autenticação, RBAC, workspaces e a workbench (terminal, git, arquivos, context graph, memória, planos — ver abaixo).
  • Memória persistente entre sessões — memória isolada por usuário, com checkpoint nativo (SessionStore) por thread.
  • Infraestrutura zero no modo lite — SQLite + LanceDB. Sem Docker ou Postgres para uso local ou times pequenos. O modo complete (Postgres + Qdrant + Redis) já existe como caminho alternativo para quem precisa de mais escala.
  • Multi-LLM — Google Gemini, OpenAI, Anthropic, Cohere, ou Ollama (totalmente local). O model selector lista apenas os providers com API key configurada.

Arquitetura

Supervisor + Subagentes (motor nativo)

O agente principal (backend/services/agent_factory.py) roda sobre o motor nativo (backend/engine/conversation_loop.py::run_conversation) — um loop while imperativo, não um grafo compilado. O supervisor responde direto para consultas simples ou delega, via a tool nativa delegate_to_subagent, para um dos 2 subagentes especializados:

AgentePapelFerramentas principais
orchestratorSupervisor — responde direto OU delega para coder/searchcreate_artifact, save_memory, get_memory, delete_memory, RAG
coderFilesystem, terminal, git — geração e revisão de códigofile_read, file_edit, file_write, grep, list_dir, terminal, tools de git
searchBusca web em tempo real + RAG (não há subagente de RAG separado)web_search, web_fetch, vector_search, embedding, ingest_docs

HITL (Human-in-the-Loop) roda via should_require_approval (backend/engine/hitl.py), configurável por modo de permissão (perguntar sempre / aceitar edições / autônomo / plano).

Pipeline de RAG (dentro das tools search/rag)
ScoreCaminho
≥ 0.7Injeção direta no contexto — alta confiança
0.4–0.7Rerank (Cohere/VoyageAI) → injeção
< 0.4Cai para busca web, com os resultados curados (reranker + LLM judge) antes de indexar

Workbench (painel lateral)

No modo Code, o chat vem com um painel lateral multi-aba — a workbench. Cada aba renderiza a partir de dados do backend em tempo real:

AbaO que faz
File SystemÁrvore do workspace; abre arquivos como janelas flutuantes (redimensionáveis, arrastáveis), edita via Monaco Editor, e fixa arquivos ("pin") para manter no contexto.
GitStatus (staged/unstaged/untracked), diff por arquivo com hunks, histórico de commits, stash e worktrees.
SearchBusca em todo o workspace (arquivos + conteúdo).
PlanPlanos, specs e guias gerados pelo agente (create_artifact, markdown em ~/.vectora/artifacts/).
Segundo planoTarefas em segundo plano da sessão + histórico de execuções.
PreviewConfigura targets de run (servidor/comando) e mostra o preview do projeto.
Memory (RAG)Memórias e citações RAG/web indexadas + settings de RAG: reranker on/off + top_k, provider de rerank/embedding (Cohere/Voyage/auto), tipos de arquivo a ingerir, e gestão de coleções (listar/apagar).
Context GraphConstrói e exibe o grafo de conhecimento do workspace (god nodes, conexões, perguntas) + settings: tipos de arquivo a indexar (code/document/paper) e modo (semântico/AST). Build pausável e retomável por quota.
TerminalShell embarcado real via PTY (pywinpty/ptyprocess) renderizado com xterm.js, com tema dinâmico sincronizado ao tema da UI.

Os artefatos do Context Graph e o cache ficam em .vectora/context-graph/ dentro do workspace; o que estiver no .vectoraignore (ignore unificado, vale para context graph, RAG, filesystem e chat) é invisível para o Vectora.

Pré-requisitos

RequisitoNotas
Python 3.13Gerenciado pelo uv — fixado em 3.13 (Nuitka ainda não suporta 3.14)
Node.js 24+Para o frontend web (pnpm obrigatório)
Chave CohereEmbeddings + reranking — plano gratuito
Chave TavilyBusca web — plano gratuito
Provedor LLMGoogle Gemini, OpenAI, Anthropic, Cohere, ou Ollama

Início rápido (a partir do código fonte)

git clone https://github.com/vectora-ltda/vectora.git

cd vectora

Instalar dependências Python

uv sync

Copiar e preencher suas chaves de API

cp .env.example .env

Edite o .env: GOOGLE_API_KEY, COHERE_API_KEY, TAVILY_API_KEY

Instalar dependências do frontend (SPA Vite)

pnpm --dir frontend install

Terminal 1 — backend completo + SPA (porta 8080)

uv run vectora start --port 8080

Terminal 2 — frontend dev (Vite, porta 3000, faz proxy p/ a API)

pnpm --dir frontend dev

Abra http://localhost:3000. O primeiro usuário a se cadastrar vira administrador root.

CLI de operação (VPS via SSH)

O frontend cobre toda a configuração, mas em VPS via SSH a CLI Rich expõe o essencial:

uv run vectora config keys         # wizard de API keys + provider de LLM

uv run vectora config docker up # sobe Postgres + Redis + Qdrant local uv run vectora start --headless # backend sem Electron (modo servidor) uv run vectora web # HTTP + Electron/Chromium, sem bandeja Python

Build (SCons)

O sistema de build usa SCons, incluído como dependência de dev, invocado a partir da raiz do repositório. Funciona direto no PowerShell, cmd, bash ou zsh — sem dependência de sintaxe shell específica.

Produto final (do zero ao instalador)
scons release          Build completo + instalador nativo para o SO atual

Bump de versão, build dos instaladores e publicação no canal de update rodam só via GitHub Actions, disparados por uma tag v* real (criada quando o usuário mescla o PR de release acumulado que release-please.yml mantém automaticamente) ou por workflow_dispatch manual.

Pipeline executado em sequência (encadeado automaticamente por release):

build frontend (Vite)  -->  build híbrido do backend  -->  Electron + electron-builder

frontend/dist/ dist/vectora/vectora(.exe) frontend/dist-electron/

O "build híbrido" (build-hybrid.py, chamado pelo scons) compila só o pacote `backend/` em C via Nuitka --mode=package (gera backend.pyd) e depois usa PyInstaller para empacotar o launcher + backend.pyd + libs Python num único vectora.exe. Compilar só o backend (em vez de onefile puro) evita OOM ao compilar dependências gigantes (google.genai.types, LanceDB) para C. O pipeline de CI (GitHub Actions) ainda usa Nuitka onefile direto para as builds nativas de release — os dois caminhos convivem hoje.

Qualidade
scons tests            Suíte completa: pytest tests/ (unit+integration+e2e+stress) + vitest

scons coverage Mesma suíte com relatório de cobertura scons lint ruff + ty + bandit (Python) + tsc + oxlint (TypeScript) scons tests-storage Só testes de storage (Postgres/Redis/Qdrant — sobe docker automaticamente) scons clean Remove dist/ frontend/dist/ frontend/electron/dist* scons help Lista completa com descrições

Nota: no Windows basta abrir o PowerShell ou cmd na r

冒頭だけを表示しています。続きはリポジトリで読めます

PopNxに聞く