一份教程 + 思路演示（兼具 Demo），展示如何为 VitePress 文档站点赋予 AI 语义搜索能力

本项目是一份教程文档与思路演示（兼具可运行的 Demo），围绕「如何为 VitePress 文档添加 MCP 智能检索」这一主题，提供从零到一的完整搭建思路与实践参考。

核心思路：通过 CNB 平台的知识库能力实现文档向量化，结合腾讯云 EdgeOne Edge Function 在边缘部署 MCP Server，让 AI 助手能够语义化检索你的文档内容。

注意：本项目的重点在于讲解思路和演示流程，而非提供一个开箱即用的工具库。你可以参考本项目的方案设计和代码示例，将相同的思路应用到自己的文档站点中。

• 🧠 文档向量化 — 如何利用 CNB 知识库，一行配置实现文档自动分块、Embedding、索引构建
• ⚡ 边缘部署 MCP Server — 如何在 EdgeOne Edge Function 中实现 MCP Server，零服务器成本、全球加速
• 🌐 MCP 协议接入 — 如何通过标准化 Model Context Protocol 接口，对接各类主流 AI 助手与大模型平台
• 🔀 两套方案对比 — 方案一（MCP）用于外部 AI 工具接入；方案二（RAG）用于网页端 Go 服务问答，帮你选型
• 🛠️ 落地实践经验 — 最佳实践、FAQ、故障排查、术语表，覆盖从搭建到维护的常见问题

技术	用途
VitePress	静态文档站点生成
CNB	代码托管 & 知识库向量化
EdgeOne Edge Function	边缘函数部署 MCP Server
Mermaid	架构图 & 流程图渲染

• Node.js >= 22
• npm

# 克隆仓库
git clone https://cnb.cool/shenzhen/lecturer/vector-mcp-edge.git
cd vector-mcp-edge

# 安装依赖
npm install

# 启动开发服务器
npm run dev

npm run build

构建产物输出到 .vitepress/dist 目录。

npm run preview

vector-mcp-edge/
├── .cnb.yml                # CNB 平台 CI/CD 配置
├── .vitepress/
│   ├── config.mts          # VitePress 站点配置
│   └── theme/              # 自定义主题与样式
├── guide/                  # 搭建教程文档
│   ├── getting-started.md  # 快速开始
│   ├── deploy-cnb.md       # 托管到 CNB
│   ├── knowledge-base.md   # 知识库向量化
│   ├── mcp-server.md       # Edge Function 实现 MCP Server
│   ├── deploy-verify.md    # 部署与验证
│   ├── extend-tools.md     # 扩展更多 MCP 工具
│   ├── best-practices.md   # 最佳实践
│   ├── faq.md              # 常见问题
│   ├── troubleshooting.md  # 故障排查
│   └── glossary.md         # 术语表
├── features/               # 功能与效果文档
│   ├── solutions.md        # 方案对比与选型
│   ├── architecture.md     # 架构全景图
│   ├── solution-mcp.md     # 方案一：接入外部 AI 工具
│   └── solution-rag.md     # 方案二：自建 Go 服务 RAG
├── public/                 # 静态资源
│   ├── favicon.ico         # 站点图标
│   └── logo.svg            # 项目 Logo
├── edgeone.json            # EdgeOne Pages 部署配置
├── index.md                # 站点首页
├── package.json            # 项目依赖配置
└── LICENSE                 # MIT 开源协议

项目已配置 .cnb.yml，推送到 CNB 平台后会自动触发：

1. 知识库向量化 — 自动扫描所有 Markdown 文件，构建向量索引
2. 代码同步 — 自动同步到 GitHub 镜像仓库
3. 站点部署 — 构建 VitePress 产物并部署到 EdgeOne Pages

npm run build
# 使用 EdgeOne CLI 部署 .vitepress/dist 目录

• 搭建教程 — 从零开始，一步步了解 MCP 智能检索的搭建思路
• 功能与效果 — 两套方案的对比、架构设计与效果演示

• 想为自己的文档站点添加 AI 语义搜索能力的开发者
• 对 MCP 协议、向量检索、边缘函数感兴趣的技术爱好者
• 希望了解 CNB + EdgeOne 生态实践的同学

本项目基于 MIT 协议开源。