Каталог MCP
VoxellInc/forge-mcp

VoxellInc/forge-mcp

MCP сервер для генерации векторных эмбеддингов текста через Forge от Voxell. Дает инструменты embed и list_models. Полезен разработчикам, внедряющим семантический поиск, RAG или анализ схожести — б...

README

2 инструмента

Версии

Установить сервер

@voxell/forge-mcp

An MCP server for Forge — Voxell's hosted text-embedding API. It exposes Forge to any MCP client (Claude, Cursor, Cline, Windsurf, VS Code, …) as two tools:

embed — turn text into vectors
list_models — list available models and their dimensions

You bring a Forge API key. The server is stateless, and Voxell does not store the text you send or the vectors it returns — only usage metadata (token counts) is recorded, for billing. It does embeddings only — no storage, no search, no RAG. Those are different products.

Quick install

One-click install in your editor (then replace your-key-here with a real key from dash.voxell.ai):

Add to Cursor

Claude Code — one command:

claude mcp add forge -e FORGE_API_KEY=your-key-here -- npx -y @voxell/forge-mcp

Any other client (Claude Desktop, Cline, Windsurf, Zed, …) uses the standard mcpServers block — see Use it below.

Why Forge

Quality you can dial. Forge runs the Qwen3-Embedding family; ultra is the 8B — ~75+ average task score on MTEB, currently #4 on MTEB (English), and the top usable model (the three ranked above it are research-only). turbo (0.6B) is the fast/cheap default. Pick your quality/cost point.
Matryoshka (MRL). Set dim to truncate (re-normalized) for ~4× smaller, cheaper vectors.
Low latency (Go + CUDA engine), zero-trust (per-key auth; mTLS available), and free to start (10M tokens, no card — dash.voxell.ai; more at voxell.ai/forge).

Инструменты были проиндексированы: 05.09.2026

embed

Генерирует векторные представления для одного или нескольких текстов с помощью Forge (размещённого API эмбеддингов от Voxell). Преобразует текст в векторы для семантического поиска, RAG, кластеризации или поиска схожести. Установите input_type='query' для поисковых запросов и 'document' для индексируемого контента. Выбирайте модель по качеству/цене: turbo (1024d, быстрая, по умолчанию) -> pro (2560d) -> ultra (4096d, #4 в MTEB English, лучшая из пригодных к использованию). Опционально задайте dim для усечения (Matryoshka).

Встраивает текст с помощью Forge

Параметры

diminteger
Truncate to N dimensions (Matryoshka, re-normalized) — fewer dims = smaller, cheaper vectors. Omit for the model's native size.
inputstring | string[]обязательный
A text, or array of texts, to embed.
input_typeenum
'query' applies a retrieval prefix; 'document' is raw. Default 'document'.
modelstring
Model by quality/cost: turbo (1024d, fast, default), pro (2560d), ultra (4096d, #4 on MTEB English, top usable).

list_models

Перечисляет доступные модели встраивания Forge и их размерности. Вызывайте этот инструмент, чтобы выбрать модель перед встраиванием.

Выводит список embedding-моделей, доступных в List Forge.

Параметры

Без параметров.

Github Сайт сервера

Конфиг для установки сервера

{
  "command": "npx",
  "args": [
    "-y",
    "@voxell/forge-mcp"
  ],
  "env": {
    "FORGE_API_KEY": "your-key-here"
  }
}

Нужен npx

Сервер запускается через npx
Без него ничего работать не будет.

Как установить npx

FAQ

Для чего этот сервер?

Этот MCP-сервер подключает к Forge — API для превращения текста в векторы — прямо из редактора или AI-агента. Вместо того чтобы писать отдельные скрипты, можно через инструмент `embed` встраивать фрагменты, батчи или файлы, а потом использовать эти векторы для семантического поиска, кластеризации или RAG. Forge даёт качественные модели (вплоть до 8B) с гибкой нарезкой размерности, и сервер не хранит отправленные данные.

Что он умеет?

Сервер превращает текст в векторные эмбеддинги через Forge API. Можно выбрать модель (turbo, pro, ultra), обрезать размерность через Matryoshka и указать, что передаёшь — запрос или документ. Пригодится для семантического поиска, RAG, кластеризации или поиска дубликатов. Векторы и текст нигде не сохраняются — только счёт токенов для биллинга. Работает прямо из редактора через любой MCP-клиент.

Информация о сервере

Номер в рейтинге: #198
Звезд на Github: 1
Форков на Github: 0
Загрузок: 2 630
Язык реализации: TypeScript
Лицензия: MIT
Официальный сервер: Нет
Дата обновления данных: 07.09 в 03:25
Идентификатор: 8Aj4OsEwVrhGNPYF
Категории: RAG-системы, Знания и память, ИИ и машинное обучение, Инструменты для разработчиков, Поиск

Похожие MCP-сервера

K-Dense-AI/claude-skills-mcp

MCP сервер для семантического поиска навыков Claude Agent Skills с векторными эмбеддингами. Загружает умения из GitHub и локальных папок. Полезен разработчикам, использующим MCP-совместимые AI-ассистенты.

Cartisien/engram-mcp

MCP-сервер для постоянной семантической памяти AI-агентов. Хранит воспоминания в SQLite, ищет по смыслу через локальные эмбеддинги Ollama — без облака и API-ключей. Пять инструментов: remember, rec...

hannesrudolph/mcp-ragdocs

Сервер для поиска документации через RAG и векторный поиск. Используется AI-ассистентами для дополнения ответов контекстом. Помогает разработчикам создавать инструменты с опорой на документацию.

Chroma MCP

официальный

MCP-сервер для интеграции Chroma (open-source базы эмбеддингов) с LLM. Позволяет создавать коллекции, добавлять документы и выполнять семантический поиск с фильтрацией. Подходит разработчикам, стро...

laradji/deadzone

Deadzone — векторный индекс для семантического поиска по документации, работающий как локальный MCP-сервер. Полезен разработчикам AI-агентов, которым нужен поиск по документам без интернета. Исполь...

Redis MCP

официальный

MCP сервер Redis дает AI-агентам управлять Redis на естественном языке: кэширование, сессии и векторный поиск. Интегрируется с MCP клиентами, упрощает разработку приложений для работы с данными в р...