/ ディレクトリ / プレイグラウンド / Weaviate Claude Skills
● コミュニティ saskinosie 🔑 自分のキーが必要

Weaviate Claude Skills

作者 saskinosie · saskinosie/weaviate-claude-skills

Claude からのエンドツーエンドのローカル Weaviate — 5 つの焦点を当てたスキルによるセットアップ、接続、スキーマ、取り込み、RAG。

saskinosie/weaviate-claude-skills は、Weaviate ワークフローをカバーする 5 つのスキルの小さなマーケットプレイスです。weaviate-local-setup (docker-compose)、weaviate-connection (ヘルス チェック + 認証)、weaviate-collection-manager (スキーマおよびコレクション管理者)、weaviate-data-ingestion (単一 + バッチ + ファイル インポート)、および weaviate-query-agent (セマンティック検索、フィルター、 ハイブリッド、RAG)。 Claude.ai および Claude Desktop で動作します。 ドキュメントの保管庫を持参すると、ベクター DB の配管を処理するスキルが得られます。

なぜ使うのか

主な機能

ライブデモ

実際の動作

weaviate-claude-skills.replay ▶ 準備完了
0/0

インストール

クライアントを選択

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "weaviate-claude-skills": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/saskinosie/weaviate-claude-skills",
        "~/.claude/skills/weaviate-claude-skills"
      ],
      "_inferred": true
    }
  }
}

Claude Desktop → Settings → Developer → Edit Config を開く。保存後、アプリを再起動。

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "weaviate-claude-skills": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/saskinosie/weaviate-claude-skills",
        "~/.claude/skills/weaviate-claude-skills"
      ],
      "_inferred": true
    }
  }
}

Cursor は Claude Desktop と同じ mcpServers スキーマを使用。プロジェクト設定はグローバルより優先。

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "weaviate-claude-skills": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/saskinosie/weaviate-claude-skills",
        "~/.claude/skills/weaviate-claude-skills"
      ],
      "_inferred": true
    }
  }
}

Cline サイドバーの MCP Servers アイコンをクリックし、"Edit Configuration" を選択。

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "weaviate-claude-skills": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/saskinosie/weaviate-claude-skills",
        "~/.claude/skills/weaviate-claude-skills"
      ],
      "_inferred": true
    }
  }
}

Claude Desktop と同じ形式。Windsurf を再起動して反映。

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "weaviate-claude-skills",
      "command": "git",
      "args": [
        "clone",
        "https://github.com/saskinosie/weaviate-claude-skills",
        "~/.claude/skills/weaviate-claude-skills"
      ]
    }
  ]
}

Continue はマップではなくサーバーオブジェクトの配列を使用。

~/.config/zed/settings.json
{
  "context_servers": {
    "weaviate-claude-skills": {
      "command": {
        "path": "git",
        "args": [
          "clone",
          "https://github.com/saskinosie/weaviate-claude-skills",
          "~/.claude/skills/weaviate-claude-skills"
        ]
      }
    }
  }
}

context_servers に追加。保存時に Zed がホットリロード。

claude mcp add weaviate-claude-skills -- git clone https://github.com/saskinosie/weaviate-claude-skills ~/.claude/skills/weaviate-claude-skills

ワンライナー。claude mcp list で確認、claude mcp remove で削除。

ユースケース

実用的な使い方: Weaviate Claude Skills

1 時間以内にドキュメント上にローカル RAG を立ち上げる

👤 ローカル RAG プロトタイプを開始する開発者 ⏱ ~60 min intermediate

使うタイミング: クラウド ベンダーにドキュメントを送信せずに、自分のドキュメントでチャットしたいと考えています。

前提条件
  • ドッカー + Python 3.10+ — Docker デスクトップをインストールします。 必要に応じて pyenv
  • インストールされたスキル — ~/.claude/skills/ に git clone します
フロー
  1. Docker 起動 Weaviate
    weaviate-local-setup を使用して、ローカル Weaviate の docker-compose を開始します。✓ コピーしました
    → docker ps は 8080 で weaviate が正常であることを示しています
  2. コレクションを作成する
    タイトル (テキスト)、本文 (テキスト)、source_url (テキスト) のフィールドを持つコレクション「Docs」を作成します。✓ コピーしました
    → スキーマが適用されました。 weaviate-collection-manager は構成を返します
  3. 摂取する
    ./docs の下にあるすべての .md を「Docs」内のオブジェクトとして取り込みます。✓ コピーしました
    → バッチの進行状況が報告されます。 クエリ経由で表示されるオブジェクト
  4. 聞く
    weaviate-query-agent を使用します: 「API キーをどのようにローテーションしますか?」✓ コピーしました
    → 回答はドキュメントコレクションからsource_urlを引用しています

結果: 反復処理が可能な実行可能なローカル RAG。

注意点
  • 巨大な PDF をチャンクせずに丸ごと取り込む — ~500 トークンでチャンクします。 スキルの取り込みテンプレートに処理させます
組み合わせ: filesystem

手動 API 呼び出しを行わずにコレクション スキーマを反復する

👤 ベクトルスキーマを改良するチーム ⏱ ~20 min intermediate

使うタイミング: 初期の RAG — スキーマは毎週変更されるため、curl コマンドは必要ありません。

フロー
  1. 現在のスキーマを検査する
    「Docs」のスキーマ (フィールド、ベクタライザー、インデックス構成) を表示します。✓ コピーしました
    → 完全な構成が返されました
  2. 変更を提案する
    「言語」列挙プロパティ (en/zh/ja) を追加します。 残りは取っておいてください。✓ コピーしました
    → 移行計画 + バックアップに関する注意事項
  3. 適用する
    適用する; 既存の 500 オブジェクトのインデックスを再作成します。✓ コピーしました
    → 仕事は進みます。 カウントが一致する

結果: スキーマは再インデックスのコストを意識して安全に進化しました。

注意点
  • 不動産の撤去が無料であると仮定すると、 — 一部の変更には再埋め込みが必要です。 スキルが安いか高いかのフラグ

信頼性の高い答えを得るハイブリッド検索 + フィルター

👤 RAG を実際のユーザーに配布している人 ⏱ ~15 min intermediate

使うタイミング: 純粋なセマンティック検索では完全一致の用語が見つかりません。 ハイブリッド(BM25 + ベクター)はそれを修正します。

フロー
  1. ハイブリッドクエリを実行する
    クエリ「SAML SSO エラー コード 42」、alpha=0.5 (バランス セマンティック + キーワード)。✓ コピーしました
    → 上位ヒットには、文字通りの「42」一致だけでなく、概念的に関連するものも含まれます
  2. レイヤーフィルター
    フィルター language='en' およびsource_url には '/docs/auth/' が含まれます。✓ コピーしました
    → ヒット範囲が狭くなりました。 回答は引用されたままになります

結果: 再現率を損なうことなく、正確な用語のクエリの精度が向上します。

組み合わせ: local-rag

組み合わせ

他のMCPと組み合わせて10倍の力を

weaviate-claude-skills + filesystem

ファイルシステム MCP 経由でローカル ファイルを取り込み、スキルを通じてクエリを実行します

./docs の下にあるすべてのマークダウンをリストし、Weaviate 'Docs' に取り込み、質問をハイブリッド検索します。✓ コピーしました
weaviate-claude-skills + local-rag

アプローチの比較 - 埋め込みのみと Weaviate の構造化インデックス

このコーパスについては、10 個の評価質問で local-rag と Weaviate ハイブリッドのベンチマークを行います。✓ コピーしました
weaviate-claude-skills + qdrant

ワークロードに応じてベクター DB の選択を評価する

Weaviate と Qdrant で同じ評価セットを実行します。 レポート遅延 + MRR。✓ コピーしました

ツール

このMCPが提供する機能

ツール入力呼び出すタイミングコスト
weaviate-local-setup (SKILL) (none) 初回のみ - ローカルの Weaviate を表示します 0
weaviate-connection (SKILL) URL + API key 到達可能性と認証を検証する 0
weaviate-collection-manager (SKILL) schema ops コレクションを作成、検査、または進化させる 0
weaviate-data-ingestion (SKILL) object(s) or file paths 単一挿入、バッチ挿入、またはファイルインポート 0
weaviate-query-agent (SKILL) query + filters + alpha セマンティック/ハイブリッド検索と RAG 回答 0

コストと制限

運用コスト

APIクォータ
なし — Weaviate はローカルで実行されます
呼び出しあたりのトークン
クエリ + 取得したチャンク サイズ
金額
地元の場合は無料。 後で移行する場合、Weaviate Cloud には独自の料金が適用されます。
ヒント
意図的にチャンクします (~500 トークン)。 サイズが大きすぎるチャンクは、ストレージとコンテキストの両方を無駄にします。

セキュリティ

権限、シークレット、影響範囲

認証情報の保管: API キーはスキル ファイルではなく .env で回避されます。 ローカル開発者は認証をスキップできますが、ポートは公開しません。
データ送信先: ローカルセットアップのためにマシンを離れることはありません。 Cloud Weaviate は構成されたエンドポイントに送信します。

トラブルシューティング

よくあるエラーと対処法

接続が拒否されました 8080

Weaviate コンテナーが実行されていません。 weaviate-local-setup で docker compose up -d を実行します。

確認: curl localhost:8080/v1/.well-known/ready
スキーマ変更が失敗する

一部のプロパティの変更にはコレクションの再作成が必要です。 エクスポート、ドロップ、再作成、再取り込み。

確認: weaviate-collection-manager diff output
遅いクエリ

HNSW インデックス パラメータとベクタライザーが適切に構成されていることを確認してください。 インデックスのないフィールドでのフルテキスト フォールバックを回避します。

確認: Query explain in the skill's debug mode

代替案

Weaviate Claude Skills 他との比較

代替案代わりに使う場面トレードオフ
qdrantQdrant の API と Rust のパフォーマンスを好む場合異なる SDK。 同様の機能
local-ragベクター DB を使用しない軽量のローカル RAG が必要な場合柔軟性が低い。 スキーマがありません
neo4jデータはベクトルではなくリレーショナル/グラフです別のモデル

その他

リソース

📖 GitHub の公式 README を読む

🐙 オープンな issue を見る

🔍 400以上のMCPサーバーとSkillsを見る