io.github.lazymac2x/embedding-search

Est-ce que io.github.lazymac2x/embedding-search est sûr ?

Au dernier audit MCP Hub, le serveur MCP « io.github.lazymac2x/embedding-search » est classé « Non encore testé ». Référencé dans l'annuaire. Seul le pentest comportemental fait foi, et il n'a pas encore été exécuté sur ce serveur. Le verdict est réévalué en continu ; consultez la fiche pour l'état à jour.

Méthode : MCP Hub analyse la description de chaque outil (couche 1) et, pour le verdict fort, exécute le serveur dans une micro-VM isolée avec leurres et réseau bloqué (couche 2). On publie des noms et des compteurs, jamais le contenu brut renvoyé par un outil.

Les 3 outils

• compute_similarity≈ 82 tokens

  Compute cosine similarity between two texts. Returns score in [-1,1]. Useful for dedup and relatedness.

  Paramètres, retour & exemple (3)

  Paramètres

  • model · string · optionnel
  • text_a · string · requis
  • text_b · string · requis

  Exemple d'appel

  {"name": "compute_similarity", "arguments": {"text_a": "texte", "text_b": "texte"}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}]}

• generate_embeddings≈ 110 tokens

  Generate vector embeddings for one or more texts using Cloudflare Workers AI (bge-base-en-v1.5, 768-dim).

  Paramètres, retour & exemple (2)

  Paramètres

  • text · ? · requis
    Text or array of texts to embed
  • model · string · optionnel
    CF AI model ID override

  Exemple d'appel

  {"name": "generate_embeddings", "arguments": {"text": "texte"}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}]}

• semantic_search≈ 142 tokens

  Rank a list of documents against a query using cosine similarity of bge embeddings. Returns top-k matches with scores.

  Paramètres, retour & exemple (4)

  Paramètres

  • model · string · optionnel
    CF AI model ID override
  • query · string · requis
    Search query
  • top_k · integer · optionnel
    Number of results (default 5)
  • documents · array · requis
    Candidate documents to rank

  Exemple d'appel

  {"name": "semantic_search", "arguments": {"query": "texte", "documents": []}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}]}

C'est votre serveur ?

Revendiquez-le sur l'espace créateur (preuve GitHub, domaine ou npm) pour afficher le badge « propriétaire vérifié » et lancer un pentest comportemental à la demande afin d'obtenir le badge « Vérifié ».

Créer un compte / revendiquer →

Source

https://api.lazy-mac.com/embedding-search/mcp