写点什么

快速使用 Milvus MCP Server,0 代码搭建智能搜索 Agent

  • 2025-03-27
    浙江
  • 本文字数:2333 字

    阅读完需:约 8 分钟

引言

在 AI 时代,搜索场景已从传统的关键词匹配过渡到语义化、向量化的智能深度搜索。一个高效的智能搜索 Agent 能通过自然语言理解、语义表示和向量检索,实现更精准的信息匹配。然而想要搭建这样一个 Agent 往往需要面临和解决很多问题,如产品技术选型、模型的选择与部署、向量数据的存储和处理以及返回结果的实时性保障等。


现在使用 Milvus MCP Server 即可实现快速高效搭建智能搜索 Agent,简化繁琐的开发流程,为搭建智能应用提效!

什么是 Milvus MCP Server?

MCP 是 Anthropic 公司开源的一个标准化协议,全称为 Model Context Protocol。它的核心目标是:统一 AI 模型(如语言模型)与外部工具(如计算引擎、数据库、API 等)的连接方式,打破了模型与工具之间的“孤岛”,让模型能够像使用内置功能一样灵活调用资源。


阿里云向量检索服务 Milvus 版是一款云原生向量检索引擎,实现了高可用、高性能、易扩展的特性,适于处理海量向量数据的实时召回。支持数据分区分片、持久化、增量摄取、混合查询等高级功能,同时提供了直观的 API 和多语言 SDK。


目前,开源 Milvus 已经对接了标准的 MCP 协议——Milvus MCP Server。


Milvus 已成为 MCP 官方集成服务: https://github.com/zilliztech/mcp-server-milvus



Milvus 提供了 milvus-mcp-server (源码地址)来对接各种 AI Agent。支持包括:更新向量数据、创建索引、混合检索(向量+全文)、多向量列检索等多种能力。


目前通过 Milvus MCP Server,我们能使用大模型,完全无代码化的实现下面这些能力:


  • 通过输入简单的 Promopt,完成复杂的向量相似性搜索

  • 通过 Agent,快速创建和操作索引

  • Schema 分析:直接通过 Agent 检查集合 Schema、字段类型和索引配置。

  • 实时监控:查询集合统计信息、实体数量和数据库运行状况指标,以确保最佳性能。

  • 动态操作:根据需求变化,实时创建新集合、插入数据和修改 Schema

  • 全文搜索:Milvus 2.5 版本已经支持全文搜索以及关键词匹配


接下来将重点介绍如何使用 Milvus-mcp-server 来搭建智能搜索 Agent,并分别使用 Cline 和 Cursor 进行部署展示。

如何通过 Milvus + MCP + LLM 搭建智能搜索 Agent

环境准备

启动 MCP 之前,请确保环境满足以下条件


  1. Python 3.12 或更高版本(可使用 python --version 检查)

  2. uv 0.6.7 或更高版本(可使用 uv --version 检查),安装方式可以参考文档

  3. mcp 1.4.0 或更高版本

  4. pymilvus 2.5.0 或更高版本

  5. 下载并安装 VsCode,下载地址

  6. 下载 milvus-mcp-server(git clone https://github.com/zilliztech/mcp-server-milvus )

  7. 正在运行的阿里云 Milvus 实例

创建步骤:

  1. 进入阿里云Milvus页面。

  2. 登录阿里云Milvus控制台

  3. 在左侧导航栏,单击 Milvus 实例

  4. Milvus 实例页面,单击创建实例,详细步骤可参考文档

  5. 若您为产品新用户,也可直接免费领取1 个月试用体验。

与 Cline 集成(LLM:Deepseek)

  1. 下载 Cline:在 VsCode 的扩展栏目中,搜索并安装 Cline。



  1. 配置 Cline,并使用 Deepseek


在 API Provider 中选择 OpenRouter,点击 Get API Key。



在浏览器中登录并获取 API KEY



在 Model 选择 Deepseek-chat-v3,然后点击右上角 Done,完成配置。



  1. 配置 MCP Server


点击 Cline 右上角 MCP Server 配置,然后点击 Configure MCP Servers



在 cline_mcp_settings.json 完成以下配置,其中:


  • command 需要配置 uv 的安装路径

  • directory 需要配置 Milvus MCP Project 下载地址

  • milvus-uri 需要配置阿里云 Milvus 实例公网地址(实例需开通创建并配置公网IP

  • milvus-token 需要配置用户名密码


{  "mcpServers": {    "milvus": {      "command": "/Path/to/uv/.local/bin/uv",      "args": [        "--directory",        "/Path/to/mcpserver/mcp-server-milvus/src/mcp_server_milvus",        "run",        "server.py",        "--milvus-uri",        "http://c-xxxxxxxxxxxxx.milvus.aliyuncs.com:19530",        "--milvus-token",        "root:you_password"      ],      "disabled": true,      "autoApprove": []    }  }}
复制代码


完成以上配置后,点击开启开关,并点击右上角 Done,完成 Milvus MCP Server 配置。



  1. Milvus MCP 效果展示


在示例 Milvus 集群中,可以看到有 4 个 Collection。



在 Cline 对话框中,输入:在我的 milvus 数据库里有哪些 Collection?



在 Cline 对话框中,输入:在'milvus_overview' Collection 中找到包含"Unstruct"的数据?


输出结果会自动进行调优,若首次输出结果不理想,可再次搜索



与 Cursor 集成(LLM:Claude-3.7)

下载并安装 Cursor,下载地址


  1. 配置 Cursor Config


在 Beta Features 中选择 Early Access



升级 Cursor,并保证版本高于 0.47




  1. 配置 MCP Config


打开 Clone 的 Milvus Mcp Project,在根目录创建 .cursor 文件夹,并在其中 mcp.json 文件



在 mcp.json 完成以下配置,其中:


  • command 需要配置 uv 的安装路径

  • directory 需要配置 Milvus MCP Project 下载地址

  • milvus-uri 需要配置阿里云 Milvus 实例公网地址(实例需开通创建并配置公网IP

  • milvus-token 需要配置用户名密码


{  "mcpServers": {    "milvus": {      "command": "/Path/to/uv/.local/bin/uv",      "args": [        "--directory",        "/Path/to/mcpserver/mcp-server-milvus/src/mcp_server_milvus",        "run",        "server.py",        "--milvus-uri",        "http://c-xxxxxxxxxxxxx.milvus.aliyuncs.com:19530",        "--milvus-token",        "root:you_password"      ],      "disabled": true,      "autoApprove": []    }  }}
复制代码


完成配置后,可以 Cursor 配置中的 MCP 栏目检查。



  1. Milvus MCP 效果展示


模式选择 Agent,LLM 选择 claude-3.7



在 Cursor 对话框中,输入:在我的 milvus 数据库里有哪些 Collection?



立即体验


如您想体验阿里云 Milvus 的相关能力,欢迎在阿里云官网搜索向量检索服务Milvus版进行体验。



用户头像

还未添加个人签名 2020-10-15 加入

分享阿里云计算平台的大数据和AI方向的技术创新和趋势、实战案例、经验总结。

评论

发布
暂无评论
快速使用Milvus MCP Server,0代码搭建智能搜索Agent_大数据_阿里云大数据AI技术_InfoQ写作社区