Vector MCP Edge

欢迎来到 vector-mcp-edge 项目的功能与效果展示区。这里主要介绍本项目的架构设计以及应用场景。

这个是什么?

其实项目是一个工作流，将 VitePress 或者任何 Markdown 文档项目部署在 CNB，并激活 CNB 的知识库流水线在 Git 推送时自动触发知识库构建，把相关文件向量化。

基于 CNB 的知识库向量接口，本项目当前使用 Go Cloud Function 方案，将 MCP Server、RAG 问答、Tool Use 全部整合在 EdgeOne Pages 的 Go 边缘函数中，无需自建服务器，同时提供标准 MCP 端点和网页端 AI 助手。

📜 历史演进：为什么之前有三种场景？

由于 EdgeOne Pages 早期仅支持 JS Cloud Function，本项目最初将功能拆分为两种独立方案：

1. 场景一：JS Serverless MCP（已归档）— 使用 JS Cloud Function 实现 MCP Server，仅提供外部 AI 工具检索能力，不支持网页端 AI 助手。
2. 场景二：Go RAG 网页助手（已归档）— 需要自建 Go 后端服务器，提供网页端 AI 问答，但无法提供 MCP 端点。

2026 年 4 月，EdgeOne Pages 新增了 Go Cloud Function 支持后，我们将两种方案合并升级为当前的 Go Cloud Function 方案，一个服务同时覆盖 MCP + RAG + Tool Use，不再需要分开部署。

在线体验

本项目自身就是 Go Cloud Function 方案的真实落地产物——我们已经部署了一个可用的 MCP 端点和网页端 AI 助手，你可以立即接入体验：

• 本站 MCP 端点（Live Demo） — 复制配置即可在 AI 编辑器中使用

Go Cloud Function 驱动的页面 AI 助手，你也可以在本站的右上角找到入口:

了解更多

• 方案详情：Go Cloud Function — 当前推荐方案的完整介绍
• 方案演进与对比 — 了解从历史方案到当前方案的演进过程
• 架构全景图 — 从全局视角理解项目的整体架构和数据流向

下一步

了解完功能与效果后，你可以前往 搭建教程 开始动手实践。