GENITUS // MCP Vektor-RAG-Server

Dieser MCP-Server kapselt euren echten 62.441-Embeddings-Corpus (vektor-mega.replit.app, OpenAI text-embedding-3-small) hinter zwei tools/list-Tools. So eingebunden wäre er sofort in Claude Desktop/Cursor nutzbar, sobald eine stdio/HTTP-Bridge davor steht.

tools/list

vector_search(query, top_k, category)

Semantische Suche über den Corpus. category steuert die Teilmenge (allgemein, ebooks, dvag, stocks).

corpus_stats()

Liefert Größe und Zusammensetzung des Corpus (Embeddings je Kategorie).

tools/call: vector_search

Server berechnet das Query-Embedding, vergleicht per Cosine-Similarity gegen den Corpus, liefert Top-K Treffer zurück.

Demonstrierte Skills

Live RAG-PipelineEchtzeit-Embedding + Cosine-Similarity-Suche über 62k Chunks, kein Mock-Corpus.

MCP-Tool-AbstraktionEine Vektordatenbank als zwei klar definierte, schema-dokumentierte Tools statt proprietärer API.

Barrierefreie UIVolltext ausklappbar, Tastatur-bedienbar, hoher Kontrast für lange Lesetexte.

Kategorisierte WissensquellenEine Suche, mehrere Domänen (Web-Archiv, E-Books, DVAG, Stocks) über denselben Tool-Aufruf.