Milvus对话服务器

@zilliztech/mcp-server-milvus

0 Stars 664 次浏览 zilliztech 更新于 2026-08-23

# 翻译一个实现模型上下文协议的集成服务器，使LLM应用程序能够与Milvus向量数据库功能进行交互，通过自然语言实现向量搜索、集合管理和数据操作。

开发者工具

该服务暂未提供标准配置，请参考 README 手动接入

服务介绍

MCP Server for Milvus

Model Context Protocol (MCP) 是一种开放协议，可实现LLM应用程序与外部数据源和工具之间的无缝集成。无论您是在构建由AI驱动的IDE、增强聊天界面还是创建自定义AI工作流，MCP都提供了一种将LLM与其所需上下文连接起来的标准方法。

此仓库包含一个MCP服务器，它提供了访问Milvus向量数据库功能的接口。

MCP with Milvus

先决条件

在使用此MCP服务器之前，请确保您已具备：

Python 3.10 或更高版本
正在运行的 Milvus 实例（本地或远程）
安装了uv（推荐用于运行服务器）

使用方法

推荐使用uv直接运行此MCP服务器而无需安装。以下示例中，Claude Desktop 和 Cursor 都是这样配置使用的。

如果您想克隆仓库：

git clone https://github.com/zilliztech/mcp-server-milvus.git
cd mcp-server-milvus

然后您可以直接运行服务器：

uv run src/mcp_server_milvus/server.py --milvus-uri http://localhost:19530

或者，您也可以修改 src/mcp_server_milvus/ 目录下的 .env 文件来设置环境变量，并通过以下命令运行服务器：

uv run src/mcp_server_milvus/server.py

重要提示：.env 文件的优先级高于命令行参数。

支持的应用程序

该MCP服务器可以与支持Model Context Protocol的各种LLM应用程序一起使用：

Claude Desktop：Anthropic的桌面应用Claude
Cursor：支持MCP的AI代码编辑器
自定义MCP客户端：任何实现了MCP客户端规范的应用程序

与Claude Desktop配合使用

从 https://claude.ai/download 安装Claude Desktop
打开您的Claude Desktop配置文件：
- macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
添加以下配置：

{
  "mcpServers": {
    "milvus": {
      "command": "/PATH/TO/uv",
      "args": [
        "--directory",
        "/path/to/mcp-server-milvus/src/mcp_server_milvus",
        "run",
        "server.py",
        "--milvus-uri",
        "http://localhost:19530"
      ]
    }
  }
}

重启Claude Desktop

与Cursor配合使用

Cursor同样支持MCP 工具。可以通过两种方式将Milvus MCP服务器添加到Cursor中：

选项1：使用Cursor设置UI

转至 Cursor Settings > Features > MCP
点击 + Add New MCP Server 按钮
填写表单：
- 类型：选择 stdio（因为您正在运行一个命令）
- 名称：milvus
- 命令：/PATH/TO/uv --directory /path/to/mcp-server-milvus/src/mcp_server_milvus run server.py --milvus-uri http://127.0.0.1:19530
⚠️ 注意：使用 127.0.0.1 而不是 localhost 以避免可能的DNS解析问题。

选项2：使用项目特定配置（推荐）

在您的项目根目录下创建一个 .cursor/mcp.json 文件：

在项目根目录下创建 .cursor 目录：
```
mkdir -p /path/to/your/project/.cursor
```

创建一个 mcp.json 文件，内容如下：

{
  "mcpServers": {
    "milvus": {
      "command": "/PATH/TO/uv",
      "args": [
        "--directory",
        "/path/to/mcp-server-milvus/src/mcp_server_milvus",
        "run",
        "server.py",
        "--milvus-uri",
        "http://127.0.0.1:19530"
      ]
    }
  }
}

重启 Cursor 或重新加载窗口

添加服务器后，您可能需要在 MCP 设置中按下刷新按钮以填充工具列表。代理会在相关查询时自动使用 Milvus 工具。

验证集成

要验证 Cursor 是否已成功与您的 Milvus MCP 服务器集成，请执行以下步骤：

打开 Cursor 设置 > 功能 > MCP
检查 "Milvus" 是否出现在 MCP 服务器列表中
确认工具已被列出（例如 milvus_list_collections, milvus_vector_search 等）
如果服务器已启用但显示错误，请查看下面的故障排除部分

可用工具

该服务器提供了以下工具：

搜索和查询操作

milvus_text_search: 使用全文搜索查找文档
- 参数：
  - collection_name: 要搜索的集合名称
  - query_text: 要搜索的文本
  - limit: 最大结果数（默认：5）
  - output_fields: 结果中包含的字段
  - drop_ratio: 忽略低频词的比例（0.0-1.0）
milvus_vector_search: 对集合进行向量相似性搜索
- 参数：
  - collection_name: 要搜索的集合名称
  - vector: 查询向量
  - vector_field: 包含要搜索向量的字段（默认："vector"）
  - limit: 最大结果数（默认：5）
  - output_fields: 结果中包含的字段
  - metric_type: 距离度量类型（COSINE, L2, IP）（默认："COSINE"）
milvus_query: 使用过滤表达式查询集合
- 参数：
  - collection_name: 要查询的集合名称
  - filter_expr: 过滤表达式（例如 'age > 20'）
  - output_fields: 结果中包含的字段
  - limit: 最大结果数（默认：10）

集合管理

milvus_list_collections: 列出数据库中的所有集合
milvus_create_collection: 根据指定模式创建新集合
- 参数：
  - collection_name: 新集合的名称
  - collection_schema: 集合模式定义
  - index_params: 可选索引参数
milvus_load_collection: 将集合加载到内存中以进行搜索和查询
- 参数：
  - collection_name: 要加载的集合名称
  - replica_number: 副本数量（默认：1）
milvus_release_collection: 从内存中释放集合
- 参数：
  - collection_name: 要释放的集合名称

数据操作

milvus_insert_data: 向集合中插入数据
- 参数：
  - collection_name: 集合名称
  - data: 字典，将字段名映射到值的列表
milvus_delete_entities: 根据过滤表达式从集合中删除实体
- 参数：
  - collection_name: 集合名称
  - filter_expr: 选择要删除实体的过滤表达式

环境变量

MILVUS_URI: Milvus 服务器 URI（可以设置此变量代替使用 --milvus-uri）
MILVUS_TOKEN: 可选的身份验证令牌
MILVUS_DB: 数据库名称（默认为 "default"）

开发

直接运行服务器：

uv run server.py --milvus-uri http://localhost:19530

示例

使用 Claude Desktop

示例 1: 列出集合

What are the collections I have in my Milvus DB?

Claude 将使用 MCP 来检查您的 Milvus 数据库中的这些信息。

I'll check what collections are available in your Milvus database.

Here are the collections in your Milvus database:

1. rag_demo
2. test
3. chat_messages
4. text_collection
5. image_collection
6. customized_setup
7. streaming_rag_demo

示例 2: 搜索文档

Find documents in my text_collection that mention "machine learning"

Claude 将利用 Milvus 的全文搜索功能来查找相关文档：

I'll search for documents about machine learning in your text_collection.

> View result from milvus-text-search from milvus (local)

Here are the documents I found that mention machine learning:
[Results will appear here based on your actual data]

使用 Cursor

示例: 创建集合

在 Cursor 中，您可以询问：

Create a new collection called 'articles' in Milvus with fields for title (string), content (string), and a vector field (128 dimensions)

Cursor 将使用 MCP 服务器执行此操作：

I'll create a new collection called 'articles' with the specified fields.

Collection 'articles' has been created successfully with the following schema:
- title: string
- content: string
- vector: float vector[128]

故障排除

常见问题

连接错误

如果您看到类似“无法连接到 Milvus 服务器”的错误：

确认您的 Milvus 实例正在运行：docker ps（如果使用 Docker）
检查配置中的 URI 是否正确
确保没有防火墙规则阻止连接
尝试在 URI 中使用 127.0.0.1 而不是 localhost

认证问题

如果您遇到认证错误：

确认您的 MILVUS_TOKEN 是正确的
检查您的 Milvus 实例是否需要认证
确保您对所尝试执行的操作具有正确的权限

工具未找到

如果 MCP 工具未出现在 Claude Desktop 或 Cursor 中：

重启应用程序
检查服务器日志以获取任何错误
确认 MCP 服务器正常运行
在 MCP 设置中按下刷新按钮（对于 Cursor）

获取帮助

如果您继续遇到问题：

检查 GitHub Issues 上是否有类似的问题
加入 Zilliz 社区 Discord 寻求支持
提交一个新问题，并提供有关您问题的详细信息

查看源码项目主页