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

Python 3.12 或更高版本（可使用 python --version 检查）
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
mcp 1.4.0 或更高版本
pymilvus 2.5.0 或更高版本
下载并安装 VsCode，下载地址
下载 milvus-mcp-server（git clone https://github.com/zilliztech/mcp-server-milvus )
正在运行的阿里云 Milvus 实例

创建步骤：

进入阿里云Milvus页面。
登录阿里云Milvus控制台。
在左侧导航栏，单击 Milvus 实例。
在 Milvus 实例页面，单击创建实例，详细步骤可参考文档。
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）

下载 Cline：在 VsCode 的扩展栏目中，搜索并安装 Cline。

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。

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。

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。

配置 Cursor Config

在 Beta Features 中选择 Early Access

升级 Cursor，并保证版本高于 0.47

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": []    }  }}