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": []
}
}
}
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": []
}
}
}
完成配置后,可以Cursor配置中的MCP栏目检查。
- 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。
产品新用户也可免费领取1个月试用资格。
此外,阿里云为了回馈新老用户,推出了重大优惠:阿里云向量检索服务 Milvus 版 | 限时年付5折!购买地址
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。