Pinecone MCP Server使用教程：让AI Agent直接连接Pinecone向量数据库

Pinecone

类型：数据库

简介：实时且性能出色的向量数据库，专门针对大规模向量搜索进行优化。

随着 MCP（Model Context Protocol，模型上下文协议）的普及，越来越多 AI Agent 开始通过标准协议与外部服务进行交互。作为主流向量数据库平台之一，Pinecone 现已推出官方 MCP Server，允许 Claude、Cursor、Claude Code、Antigravity 等 AI 工具直接访问 Pinecone 的索引、数据和文档。

通过 Pinecone MCP Server，AI 不仅能够查询官方文档，还可以创建索引、写入向量数据、执行语义检索以及结果重排序，从而实现更加完整的 Agent 工作流。

本文将介绍 Pinecone MCP Server 支持的功能，以及如何在 Antigravity、Claude Desktop、Claude Code 和 Cursor 中完成配置。

什么是 Pinecone MCP Server？

Pinecone MCP Server 是 Pinecone 官方提供的 MCP 服务端实现，它允许支持 MCP 协议的 AI Agent 直接调用 Pinecone 的功能。

借助 MCP Server，AI 可以完成以下任务：

搜索 Pinecone 官方文档
管理 Pinecone 索引
写入向量数据
执行向量检索
结果重排序（Rerank）
跨索引联合搜索

除此之外，Pinecone 还为 Pinecone Assistant 提供专属 MCP Server，可让 AI 直接访问上传至 Assistant 的知识库文件。

支持的 MCP 工具

当前 Pinecone MCP Server 提供以下工具：

工具名称	功能说明
search-docs	搜索 Pinecone 官方文档
list-indexes	查看所有 Pinecone 索引
describe-index	查看索引配置详情
describe-index-stats	查看索引统计信息
create-index-for-model	创建集成嵌入模型的新索引
upsert-records	插入或更新数据记录
search-records	执行语义搜索
cascading-search	跨多个索引搜索并重排序
rerank-documents	对文档或记录进行重排序

注意：Pinecone MCP Server 仅支持使用集成 Embedding 模型创建的索引，不支持外部向量模型生成的数据索引。

环境准备

开始配置之前，请确保已经准备以下环境：

Pinecone API Key
已安装 Node.js
系统环境变量中可正常使用 node 和 npx

在 Antigravity 中配置 Pinecone MCP

步骤一：添加 MCP Server

Antigravity 支持通过 MCP Store 直接安装 MCP 服务。

方式一：通过 MCP Store 安装

打开 Agent 面板顶部的“…”菜单
进入 MCP Store
搜索 Pinecone
点击 Install
根据提示填写 Pinecone API Key

方式二：手动配置

打开 MCP Store → Manage MCP Servers → View Raw Config，然后编辑 mcp_config.json：

{
  "mcpServers": {
    "pinecone": {
      "command": "npx",
      "args": [
        "-y",
        "@pinecone-database/mcp"
      ],
      "env": {
        "PINECONE_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

将 YOUR_API_KEY 替换为实际 Pinecone API Key。

步骤二：检查连接状态

保存配置后，Pinecone MCP Server 应出现在 Agent 工具列表中。

步骤三：测试功能

可以尝试以下测试指令：

创建一个支持集成 Embedding 的 Pinecone 索引，
插入20条关于狗狗的文本数据，
等待10秒后执行搜索并对结果进行重排序。

在 Claude Code 中配置 Pinecone MCP

如果希望获得更完整体验，官方推荐安装 Pinecone Claude Code Plugin，其内置 MCP Server、Skills 及 Slash Commands。

如果仅需 MCP 功能，可手动执行以下命令：

claude mcp add-json pinecone-mcp \
'{
  "type":"stdio",
  "command":"npx",
  "args":["-y","@pinecone-database/mcp"],
  "env":{
    "PINECONE_API_KEY":"YOUR_API_KEY"
  }
}'

检查运行状态

重启 Claude Code 后执行：

/mcp

如果配置成功，将看到：

MCP Server Status

• pinecone-mcp: ✓ connected

测试示例

生成代码：

Write a Python script that creates an index for dense vectors with integrated embedding,
upserts 20 sentences about dogs,
waits 10 seconds,
searches the index,
and reranks the results.

执行实际操作：

Create an index for dense vectors with integrated embedding,
upsert 20 sentences about dogs,
wait 10 seconds,
search the index,
and rerank the results.

在 Claude Desktop 中配置 Pinecone MCP

步骤一：编辑配置文件

进入：

Settings → Developer → Edit Config

添加以下配置：

{
  "mcpServers": {
    "pinecone": {
      "command": "npx",
      "args": [
        "-y",
        "@pinecone-database/mcp"
      ],
      "env": {
        "PINECONE_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

步骤二：验证安装

重启 Claude Desktop。

如果配置成功，新建聊天窗口时会显示 MCP 工具图标。

步骤三：测试 MCP 功能

测试方法与 Claude Code 相同，可以通过生成代码或直接执行 Pinecone 操作验证功能是否正常。

在 Cursor 中配置 Pinecone MCP

步骤一：创建配置文件

在项目根目录创建：

.cursor/mcp.json

写入：

{
  "mcpServers": {
    "pinecone": {
      "command": "npx",
      "args": [
        "-y",
        "@pinecone-database/mcp"
      ],
      "env": {
        "PINECONE_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}