Weaviate Claude Skills MCP — Сценарии использования, Установка & Живое демо

Зачем использовать

Ключевые функции

Пять навыков, охватывающих полный жизненный цикл локального Weaviate
Шаблон создания Docker для локального экземпляра
Пакетный прием и импорт на основе файлов
RAG-запросы с фильтрами, гибридным поиском и аналитикой
Настройка Python-venv с помощью require.txt

Живое демо

Как выглядит на практике

weaviate-claude-skills.replay ▶ готово

0/0

Установка

Выберите клиент

~/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
    }
  }
}

Откройте Claude Desktop → Settings → Developer → Edit Config. Перезапустите после сохранения.

~/.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 использует ту же схему mcpServers, что и Claude Desktop. Конфиг проекта приоритетнее глобального.

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
    }
  }
}

Щёлкните значок MCP Servers на боковой панели Cline, затем "Edit Configuration".

~/.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
    }
  }
}

Тот же формат, что и Claude Desktop. Перезапустите Windsurf для применения.

~/.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 использует массив объектов серверов, а не map.

~/.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"
        ]
      }
    }
  }
}

Добавьте в context_servers. Zed перезагружается автоматически.

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

Однострочная команда. Проверить: claude mcp list. Удалить: claude mcp remove.

Сценарии использования

Реальные сценарии: Weaviate Claude Skills

Организуйте местную комиссию по вашим документам менее чем за час

👤 Разработчики запускают локальный прототип RAG ⏱ ~60 min intermediate

Когда использовать: Вы хотите общаться со своими собственными документами, не отправляя их поставщику облачных услуг.

Предварительные требования

Докер + Питон 3.10+ — Установите Docker Desktop; pyenv, если необходимо
Установленные навыки — git клонировать в ~/.claude/skills/

Поток

Docker-запуск Weaviate

Используйте weaviate-local-setup, чтобы запустить docker-compose для локального Weaviate.✓ Скопировано

→ Docker PS показывает работоспособность weaviate на 8080
Создать коллекцию

Создайте коллекцию «Документы» с полями: заголовок(текст), тело(текст), source_url(текст).✓ Скопировано

→ Схема применена; weaviate-collection-manager возвращает конфигурацию
Заглотить

Принимайте каждый .md в ./docs как объекты в «Документах».✓ Скопировано

→ Отчет о ходе выполнения партии; объекты, видимые через запрос
Просить

Используйте weaviate-query-agent: «Как нам ротировать ключи API?»✓ Скопировано

→ В ответе ссылается на source_url из коллекции Документов.

Итог: Работоспособная локальная RAG, которую вы можете использовать.

Подводные камни

Поглощение гигантских PDF-файлов целиком без разбиения на части — Чанк по ~500 токенов; позвольте шаблону приема навыка справиться с этим

Сочетать с: filesystem

Итерация схемы коллекции без ручных вызовов API

👤 Команды совершенствуют свою векторную схему ⏱ ~20 min intermediate

Когда использовать: Ранний RAG — ваша схема меняется еженедельно, и вам не нужны команды Curl.

Поток

Проверить текущую схему

Покажите схему для «Документации» — поля, векторизатор, конфигурация индекса.✓ Скопировано

→ Полная конфигурация возвращена
Предложить изменение

Добавьте свойство перечисления «язык» (en/zh/ja); остальное оставь себе.✓ Скопировано

→ План миграции + предупреждение о резервном копировании
Применять

Применять; переиндексировать существующие 500 объектов.✓ Скопировано

→ Работа продвигается; считать, примирить

Итог: Схема развивалась благополучно с осознанием стоимости переиндексации.

Подводные камни

Если вывезти имущество бесплатно — Некоторые изменения требуют повторного внедрения; навык меняется, когда дешево или дорого

Гибридный поиск + фильтр для достоверных ответов

👤 Любой, кто отправляет RAG реальным пользователям. ⏱ ~15 min intermediate

Когда использовать: Чистый семантический поиск пропускает термины с точным соответствием; гибрид (БМ25+вектор) это исправляет.

Поток

Запуск гибридных запросов

Запрос «Код ошибки единого входа SAML 42», альфа = 0,5 (семантика баланса + ключевое слово).✓ Скопировано

→ Лучшие хиты включают буквальное совпадение «42», а также концептуально связанные совпадения.
Фильтры слоев

Язык фильтра='en' и source_url содержат '/docs/auth/'.✓ Скопировано

→ Количество попаданий сузилось; ответ остается цитируемым

Итог: Более высокая точность запросов с точными терминами без потери полноты.

Сочетать с: local-rag

Комбинации

Сочетайте с другими MCP — эффект x10

weaviate-claude-skills + filesystem

Загрузка локальных файлов через файловую систему MCP, а затем запрос через навык

Перечислите все уценки в разделе ./docs, вставьте их в «Документы» Weaviate, а затем выполните гибридный поиск по вопросу.✓ Скопировано

weaviate-claude-skills + local-rag

Сравните подходы — только встраивания и структурированный индекс Weaviate

Для этого корпуса сравните местную тряпку с гибридом Weaviate по 10 оценочным вопросам.✓ Скопировано

weaviate-claude-skills + qdrant

Оцените выбор векторной БД под свою рабочую нагрузку

Запустите тот же набор тестов на Weaviate и Qdrant; задержка отчета + MRR.✓ Скопировано

Инструменты

Что предоставляет этот MCP

Инструмент	Входные данные	Когда вызывать
weaviate-local-setup (SKILL)	(none)	Только в первый раз — вызывает местный Weaviate
weaviate-connection (SKILL)	URL + API key	Проверка доступности и авторизации
weaviate-collection-manager (SKILL)	schema ops	Создание, проверка или развитие коллекции
weaviate-data-ingestion (SKILL)	object(s) or file paths	Одиночная вставка, пакетная вставка или импорт файла
weaviate-query-agent (SKILL)	query + filters + alpha	Семантический/гибридный поиск и ответы RAG

Стоимость и лимиты

Во что обходится

Квота API: Нет — Weaviate работает локально.
Токенов на вызов: Запрос + размер полученного фрагмента
Деньги: Бесплатно для местных. Если вы перейдете позже, на Weaviate Cloud будут действовать собственные цены.
Совет: Чанк намеренно (~500 токенов); Чрезмерные куски тратят впустую как память, так и контекст.

Безопасность

Права, секреты, радиус поражения

Хранение учётных данных: Создавайте ключи API в формате .env, а не в файлах навыков. Локальный разработчик может пропустить аутентификацию, но не раскрывать порт.

Исходящий трафик: Ничто не оставляет вашу машину для локальной установки. Cloud Weaviate отправляет данные на настроенную вами конечную точку.

Локальный Weaviate по умолчанию привязан к 0.0.0.0 во многих образах — ограничьтесь 127.0.0.1, если в вашей локальной сети работают другие службы.
Встраивание моделей: при использовании стороннего векторизатора ваши фрагменты передаются этому поставщику. Держите его локально (например, text2vec-transformers) для конфиденциальных данных.

Устранение неполадок

Частые ошибки и исправления

В соединении отказано 8080

Контейнер Weaviate не работает. docker составить -d в weaviate-local-setup.

Проверить: curl localhost:8080/v1/.well-known/ready

Смена схемы не удалась

Некоторые изменения свойств требуют повторного создания коллекции. Экспортируйте, удаляйте, воссоздайте, повторно вставляйте.

Проверить: weaviate-collection-manager diff output

Медленные запросы

Проверьте параметры индекса HNSW и убедитесь, что векторизатор настроен правильно. Избегайте полнотекстового резервного варианта для неиндексированных полей.

Проверить: Query explain in the skill's debug mode

Альтернативы

Weaviate Claude Skills в сравнении

Альтернатива	Когда использовать	Компромисс
qdrant	Вы предпочитаете API Qdrant и производительность Rust	Другой SDK; аналогичные возможности
local-rag	Вам нужна легкая локальная RAG без векторной базы данных.	Менее гибкий; нет схемы
neo4j	Ваши данные являются реляционными/графическими, а не векторными.	Другая модель

Ещё

Ресурсы

📖 Читать официальный README на GitHub

🐙 Открытые задачи

🔍 Все 400+ MCP-серверов и Skills