📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔌 MCP🤖 Agent🔄 工作流🐳 Docker💻 CLI🔗 REST API🧬 Embedding📚 RAG✨ GPT🖥 本地 LLM
VelesDB
🔌
MCP工具

VelesDB

基于 Rust · 让 AI 助手直接操作你的系统与工具
⭐ 74 Stars 🍴 8 Forks 💻 Rust 📄 NOASSERTION 🏷 AI 8.0分
8.0AI 综合评分
aimcprustdatabase
⚙️ 配置说明 📺 TG 频道
✦ AI Skill Hub 推荐

VelesDB 是 AI Skill Hub 本期精选MCP工具之一。综合评分 8.0 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

VelesDB 是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装 VelesDB，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。VelesDB 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 VelesDB 评为 AI 评分 8.0 分，属于同类工具中的优质选择。

📋 工具概览

VelesDB 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars
⭐ 74
开发语言
Rust
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
NOASSERTION
AI 综合评分
8.0 分
工具类型
MCP工具
Forks
8

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

VelesDB 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

📌 核心特色
  • 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
  • 提供结构化工具调用接口，显著降低 AI 集成复杂度
  • 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
  • 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
  • 轻量无侵入设计，不影响现有系统架构
🎯 主要使用场景
  • 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
  • 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/cyberlife-coder/VelesDB

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "velesdb": {
      "command": "npx",
      "args": ["-y", "velesdb"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
📋 安装步骤说明
  1. 确认已安装 Node.js（v18 或以上版本）
  2. 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
  3. 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
  4. 保存配置文件并重启 Claude 客户端
  5. 重启后，在对话中即可使用本工具
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 VelesDB 执行以下任务...
Claude: [自动调用 VelesDB MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "velesdb": {
      "command": "npx",
      "args": ["-y", "velesdb"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效
📑 README 深度解析 真实文档 完整度 49/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

<p align="center"> <img src="velesdb_icon_pack/favicon/android-chrome-512x512.png" alt="VelesDB Logo" width="200"/> </p> <h1 align="center"> <img src="velesdb_icon_pack/favicon/favicon-32x32.png" alt="VelesDB" width="32" height="32" style="vertical-align: middle;"/> </h1> <h3 align="center"> Your AI agents forget everything. VelesDB fixes that. </h3> <p align="center"> <strong>One ~9 MB binary. Three engines. One query language. Zero cloud dependency.</strong><br/> <em>Vector + Graph + ColumnStore — unified under <a href="docs/VELESQL_SPEC.md">VelesQL</a></em><br/><br/> The <strong>explainable</strong> agent memory: <code>why()</code> returns the evidence path behind every recall —<br/> <a href="crates/velesdb-memory/BENCHMARK.md"><strong>measured on public benchmarks</strong></a>, not vibes. </p> <p align="center"> <a href="https://github.com/cyberlife-coder/VelesDB/actions/workflows/ci.yml"><img src="https://github.com/cyberlife-coder/VelesDB/actions/workflows/ci.yml/badge.svg" alt="CI"></a> <a href="https://app.codacy.com/gh/cyberlife-coder/VelesDB/dashboard?utm_source=gh&utm_medium=referral&utm_content=&utm_campaign=Badge_grade"><img src="https://img.shields.io/codacy/grade/58c73832dd294ba38144856ae69e9cf2?branch=main&label=code%20quality" alt="Codacy code quality"></a> <a href="https://crates.io/crates/velesdb-core"><img src="https://img.shields.io/crates/v/velesdb-core.svg?cacheSeconds=3600" alt="Crates.io"></a> <a href="https://crates.io/crates/velesdb-core"><img src="https://img.shields.io/crates/d/velesdb-core.svg" alt="Crates.io Downloads"></a> <a href="https://pypi.org/project/velesdb/"><img src="https://img.shields.io/pypi/v/velesdb.svg?cacheSeconds=3600" alt="PyPI"></a> <a href="https://www.npmjs.com/package/@wiscale/velesdb-sdk"><img src="https://img.shields.io/npm/v/@wiscale/velesdb-sdk.svg?cacheSeconds=3600" alt="npm"></a> <a href="https://app.codacy.com/gh/cyberlife-coder/VelesDB/dashboard"><img src="https://img.shields.io/codacy/coverage/58c73832dd294ba38144856ae69e9cf2?branch=main" alt="Codacy coverage"></a> <img src="https://img.shields.io/badge/tests-9k%2B_(Rust%2BTS%2BPy)-brightgreen" alt="Tests"> <a href="https://github.com/cyberlife-coder/VelesDB/blob/main/LICENSE"><img src="https://img.shields.io/badge/license-VelesDB_Core_1.0-blue" alt="License"></a> <a href="https://github.com/cyberlife-coder/VelesDB"><img src="https://img.shields.io/github/stars/cyberlife-coder/VelesDB?style=flat-square" alt="Stars"></a> <a href="https://img.shields.io/badge/contributors-welcome-brightgreen"><img src="https://img.shields.io/badge/contributors-welcome-brightgreen" alt="Contributors Welcome"></a> </p> <p align="center"> <a href="https://github.com/cyberlife-coder/VelesDB/releases/latest">Download latest release</a> &bull; <a href="#getting-started-in-60-seconds">Quick Start</a> &bull; <a href="ARCHITECTURE.md">Architecture</a> &bull; <a href="ROADMAP.md">Roadmap</a> &bull; <a href="QUALITY_BAR.md">Quality Bar</a> &bull; <a href="https://velesdb.com/en/">Documentation</a> &bull; <a href="https://deepwiki.com/cyberlife-coder/VelesDB">DeepWiki</a> </p>

---

Every AI agent today stitches together 3 databases for memory — vectors for "what feels similar", a graph for "what is connected", and SQL for "what I know for sure". That's 3 deployments, 3 configs, 3 query languages, and a pile of glue code. VelesDB replaces all of that with a single Rust binary — smaller than a single smartphone photo.

---

Getting Started in 60 Seconds

The fastest path is Python — under 5 seconds median, measured. (timing methodology)

pip install velesdb
curl -O https://raw.githubusercontent.com/cyberlife-coder/VelesDB/main/examples/python/hello_velesdb.py
python hello_velesdb.py

Expected output:

Query: "tech"
  score=1.000  Rust 1.89 release notes
  score=0.600  AI-generated jazz: the new wave
  score=0.000  Best ramen in Tokyo

Query: "tech + music"
  score=0.990  AI-generated jazz: the new wave
  score=0.707  Rust 1.89 release notes
  score=0.707  Miles Davis discography

That's it — no server, no JSON, no embedding model. Read the 25-line script to see what happened. From here, the Agent Memory guide and the VelesQL spec are the natural next stops.

<details> <summary><strong>Other install paths — Rust, Docker, WASM, REST server</strong></summary>

Cargo (Rust + REST server): 

cargo install velesdb-server velesdb-cli

Docker (REST server): ```bash

Build the image locally

git clone https://github.com/cyberlife-coder/VelesDB.git && cd VelesDB docker build -t velesdb .

Build and run locally

docker build -t velesdb . docker run -d -p 8080:8080 -v velesdb_data:/data --name velesdb velesdb curl http://localhost:8080/health

Or with docker-compose (builds + auto-restart)

docker-compose up -d ```

VariableDefaultDescription
VELESDB_DATA_DIR/dataData storage directory
VELESDB_HOST0.0.0.0Bind address
VELESDB_PORT8080HTTP port
RUST_LOGinfoLog level

The container runs as a non-root velesdb user. Data persists via the named volume velesdb_data. A built-in health check (GET /health) is configured with a 30-second interval.

</details>

<details> <summary>API Reference (48 REST endpoints)</summary>

CategoryKey Endpoints
**Collections**POST /collections, GET /collections, GET/DELETE /collections/{name}
**Points**/collections/{name}/points, /collections/{name}/points/scroll, /collections/{name}/stream/insert, /collections/{name}/points/{id}/relations, /collections/{name}/points/{id}/ttl, /collections/{name}/relations
**Search**/collections/{name}/search, /collections/{name}/search/batch, /collections/{name}/search/hybrid, /collections/{name}/search/text, /collections/{name}/search/multi, /collections/{name}/search/ids, /collections/{name}/match
**Graph**/collections/{name}/graph/edges, /collections/{name}/graph/edges/{id}, /collections/{name}/graph/edges/count, /collections/{name}/graph/traverse, /collections/{name}/graph/traverse/stream, /collections/{name}/graph/traverse/parallel, /collections/{name}/graph/nodes, /collections/{name}/graph/nodes/{id}/degree, /collections/{name}/graph/nodes/{id}/edges, /collections/{name}/graph/nodes/{id}/payload, /collections/{name}/graph/search
**Indexes**GET/POST /collections/{name}/indexes, DELETE /collections/{name}/indexes/{label}/{property}, /collections/{name}/index/rebuild
**VelesQL**/query, /aggregate, /query/explain
**Admin**/health, /ready, /metrics, /guardrails, /collections/{name}/stats, /collections/{name}/config, /collections/{name}/flush, /collections/{name}/analyze, /collections/{name}/empty, /collections/{name}/sanity
Full API reference: docs/reference/api-reference.md | OpenAPI spec: docs/openapi.yaml

</details>

<details> <summary>Security</summary>

  • API Key Authentication — Bearer token auth via VELESDB_API_KEYS env var
  • TLS (HTTPS) — Built-in via rustls (VELESDB_TLS_CERT / VELESDB_TLS_KEY)
  • Graceful Shutdown — SIGTERM triggers connection drain + WAL flush. Zero data loss
  • Health Endpoints — GET /health and GET /ready always public
docs/guides/SERVER_SECURITY.md

</details>

---

Use Cases

Demos & Examples

cd examples/ecommerce_recommendation && cargo run --release
DemoDescriptionTech
[ecommerce_recommendation](examples/ecommerce_recommendation/)Vector + Graph + ColumnStore (5K products)Rust
[velesdb-memory](crates/velesdb-memory/)MCP memory server — the graph answers *why* a decision was madeRust
[rag-pdf-demo](demos/rag-pdf-demo/)PDF document Q&A with RAGPython, FastAPI
[tauri-rag-app](demos/tauri-rag-app/)Desktop RAG applicationTauri v2, React
[wasm-browser-demo](examples/wasm-browser-demo/)In-browser vector searchWASM, vanilla JS
[mini_recommender](examples/mini_recommender/)Product recommendationsRust

---

<details> <summary>Research Foundations</summary>

VelesDB's performance is built on peer-reviewed research — five of the six techniques below are implemented and production-active in the engine; Dual-Precision (VSAG) ships as a public API with a benchmark harness, with engine integration tracked.

TechniquePaperStatus
HNSW[Malkov & Yashunin, 2016](https://arxiv.org/abs/1603.09320)Production-active
VAMANA / DiskANN[Subramanya et al., 2019](https://arxiv.org/abs/1907.05024)Production-active (alpha pruning)
RaBitQ[Gao & Long, 2024](https://arxiv.org/abs/2405.12497)Production-active (query path, restarts included)
Dual-Precision (VSAG)[Xu et al., 2025](https://arxiv.org/abs/2503.17911)Public API + benchmark; engine integration tracked
Software Pipelining[Jiang et al., 2025](https://arxiv.org/abs/2505.07621)Production-active (search pipeline)
PDX Layout[Pirk et al., 2025](https://arxiv.org/abs/2503.04422)Production-active (columnar layout via ANALYZE reorder)

</details>

Agent Memory SDK

Built-in memory for AI agents — semantic, episodic, and procedural. No external services needed.

(The unified POST /query endpoint instead returns projected rows with integer ids.)

```

</details>

Full installation guide: docs/guides/INSTALLATION.md

---

Quick Comparison

**VelesDB**ChromaQdrantpgvector
**Architecture**Unified vector + graph + columnarVector onlyVector + payloadVector extension for PostgreSQL
**Metadata filtering****Typed ColumnStore [2] + secondary indexes**JSON scanJSON payloadSQL (PostgreSQL)
**Deployment**Embedded / Server / WASM / MobileServer (Python)Server (Rust)Requires PostgreSQL
**Binary size**~9 MB~500 MB (with deps)~50 MBN/A (PG extension)
**Search latency****450us** p50 (10K/384D, WAL ON, recall>=96%)~1-5ms~1-5ms (in-memory)~5-20ms
**Graph support**Native (MATCH clause)NoNoNo
**Query language**VelesQL (SQL + NEAR + MATCH)Python APIJSON API / gRPCSQL + operators
**Browser (WASM)**YesNoNoNo
**Mobile (iOS/Android)**YesNoNoNo
**Offline / Local-first**YesPartialNoNo
Competitor latencies are typical ranges from public benchmarks and vendor documentation. Direct comparison is approximate — architectures differ (embedded vs client-server, durable vs in-memory, recall levels). Run your own benchmarks for accurate comparison.
VelesDB's sweet spot: When you need vector + graph + structured filtering in a single engine, local-first deployment, or a lightweight binary that runs anywhere. Not the best fit (yet): If you need a managed cloud service with a multi-node distributed cluster.

---

🎯 aiskill88 AI 点评 A 级 2026-07-05

VelesDB是一个有前景的MCP工具，具有较高的潜力

⚡ 核心功能

👥 适合人群

Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师

🎯 使用场景

  • 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
  • 将多个 MCP 工具组合使用，构建个人专属 AI 工作站

⚖️ 优点与不足

✅ 优点
  • +标准化 MCP 协议，生态互联性强
  • +与 Claude 官方生态无缝对接
  • +即插即用，配置简单快捷
⚠️ 不足
  • −依赖 Claude 客户端，非 Claude 用户无法使用
  • −MCP 协议仍在持续演进，接口可能变更
  • −需要一定的配置步骤
⚠️ 使用须知

该工具使用 NOASSERTION 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

📄 NOASSERTION — 请查阅原始协议条款了解具体使用限制。

🔗 相关工具推荐

Composio智能工具编排平台
MCP工具
FastGPT
基于LLM的知识平台，提供综合解决方案
Context7代码文档平台
MCP工具
AI工程师中心
MCP工具
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
技能寻求者
MCP · Agent · 工作流
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
CrewAI 多代理协作平台
MCP · Agent · 工作流
代码智能引擎
MCP · Agent · 工作流
gptme Agent工作流
MCP · Agent · 工作流
AI公司多智能体操作系统
为Claude Code设计的开源MCP工具集，包含108个MCP工具和40+智能体模板。支持多智能体协作编排，提供完整的自主代理框架。适合

❓ 常见问题 FAQ

VelesDB是一个开源的MCP工具，提供本地首先的内存引擎，用于AI代理。
💡 AI Skill Hub 点评

经综合评估，VelesDB 在MCP工具赛道中表现稳健，质量优秀。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。

⬇️ 获取与下载
📚 深入学习 VelesDB
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 VelesDB
原始描述 开源MCP工具：The local-first memory engine for AI agents. One offline Rust binary fuses vecto。⭐74 · Rust
Topics aimcprustdatabase
GitHub https://github.com/cyberlife-coder/VelesDB
License NOASSERTION
语言 Rust
🔗 原始来源
🐙 GitHub 仓库  https://github.com/cyberlife-coder/VelesDB 🌐 官方网站  https://velesdb.com

收录时间：2026-07-05 · 更新时间：2026-07-05 · License：NOASSERTION · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →