SuperAPI AI 工具集
合作ENAI 行业资讯收藏
全部工具AI开发平台mcp-server-milvus

mcp-server-milvus

mcp-server-milvus 是 Zilliz 为 Milvus 向量数据库提供的 Model Context Protocol（MCP）服务器。MCP 是一种开放协议，用于让 LLM 应用与外部数据源和工具无缝集成。该服务器让支持 MCP 的 LLM 应用（如 Claude Desktop、Cursor 或自定义 MCP 客户端）能够直接访问 Milvus 向量数据库功能，包括文本搜索、向量相似度搜索、混合搜索、文本相似度搜索和基于过滤表达式的查询，以及集合的创建与列举等管理操作。使用前需要 Python 3.10 或更高版本、一个运行中的 Milvus 实例（本地或远程）以及 uv。服务器支持 stdio（默认）、SSE 和 Streamable HTTP 三种运行模式，可运行 uv 命令直接启动，并通过配置 Claude Desktop 或 Cursor 的 MCP 配置接入。

访问官网

工具介绍

用途

mcp-server-milvus 是面向 Milvus 向量数据库的 Model Context Protocol（MCP）服务器。MCP 是一种开放协议，用于在 LLM 应用与外部数据源和工具之间建立无缝集成，适用于构建 AI 驱动的 IDE、增强聊天界面或创建自定义 AI 工作流。该仓库提供的 MCP 服务器使 LLM 应用可以访问 Milvus 向量数据库的功能。

主要能力

服务器提供搜索与查询操作以及集合管理两类工具。

搜索与查询操作包括：

  • milvus_text_search：使用全文搜索查找文档。参数包括 collection_name（要搜索的集合名称）、query_text（要搜索的文本）、limit（返回结果最大数量，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，默认 0.2）。
  • milvus_vector_search：在集合上执行向量相似度搜索。参数包括 collection_name、vector（查询向量）、vector_field（向量搜索的字段名称，默认 “vector”）、limit（默认 5）、output_fields、filter_expr（过滤表达式）、metric_type（距离度量，COSINE、L2、IP，默认 “COSINE”）、radius（范围搜索的可选下界，默认 None）、range_filter（范围搜索的可选上界，默认 None）。
  • milvus_hybrid_search：在集合上执行混合搜索。参数包括 collection_name、query_text（搜索的文本查询）、text_field（文本搜索的字段名称）、vector（文本查询的向量）、vector_field（向量搜索的字段名称）、limit（默认 5）、output_fields、filter_expr、sparse_radius（稀疏范围搜索的可选下界）、sparse_range_filter（稀疏范围搜索的可选上界）、dense_radius（稠密范围搜索的可选下界）、dense_range_filter（稠密范围搜索的可选上界），后四项默认均为 None。
  • milvus_text_similarity_search：在集合上执行文本相似度搜索。注意：该工具仅在 Milvus 2.6.0 及以上版本受支持，并且需要在 Milvus 服务器上设置嵌入函数（Embedding Function），详见 Embedding Function 文档。参数包括 collection_name、query_text（相似度搜索的文本查询）、anns_field（文本搜索的字段名称）、limit（默认 5）、output_fields、metric_type（默认 “COSINE”）、filter_expr（可选过滤表达式）、radius（可选下界，默认 None）、range_filter（可选上界，默认 None）。
  • milvus_query：使用过滤表达式查询集合。参数包括 collection_name、filter_expr（过滤表达式，例如 'age > 20'）、output_fields、limit（返回结果最大数量，默认 10）。

集合管理包括：

  • milvus_list_collections：列出数据库中的所有集合。
  • milvus_create_collection：使用快速设置或自定义 schema 创建新集合。参数包括 collection_name（新集合名称）、auto_id（是否自动生成 id，默认 True）、dimension（向量维度，默认 768，用于快速设置；如果提供 field_schema 则忽略）、primary_field_name（主字段名称，默认 “id”，用于快速设置；如果提供 field_schema 则忽略）、vector_field_name（向量字段名称，默认 “vector”，用于快速设置；如果提供 field_schema 则忽略）、metric_type（度量类型，默认 “COSINE”，用于快速设置；如果提供 field_schema 则忽略）、field_schema（字段 schema 列表，每个元素是一个字典，键包括 name（字段名称）和 type（类型））。

使用方式

使用前需确保：Python 3.10 或更高版本；一个运行中的 Milvus 实例（本地或远程）；已安装 uv（推荐用于运行服务器）。

推荐的使用方式是直接用 uv 运行，无需安装。这也是 Claude Desktop 和 Cursor 示例中的配置方式。

如果希望克隆仓库，则可以随后直接运行服务器。也可以修改 src/mcp_server_milvus/ 目录下的 .env 文件来设置环境变量，然后运行服务器。重要：.env 文件优先级高于命令行参数。

服务器支持两种运行模式：stdio（默认）和 SSE（Server-Sent Events）。

Stdio 模式（默认）：通过标准输入/输出与客户端通信。如果未指定模式，这是默认模式。使用方式：uv run src/mcp_server_milvus/server.py --milvus-uri http://localhost:19530

SSE 模式：使用 HTTP Server-Sent Events 进行通信。该模式允许多个客户端通过 HTTP 连接，适合基于 Web 的应用。使用方式：uv run src/mcp_server_milvus/server.py --sse --milvus-uri http://localhost:19530 --port 8000。其中 --sse 启用 SSE 模式，--port 指定 SSE 服务器端口（默认 8000）。

SSE 模式下的调试：如果要在 SSE 模式下调试，在启动 SSE 服务后，输入以下命令：mcp dev src/mcp_server_milvus/server.py。输出大致如下：% mcp dev src/mcp_server_milvus/merged_server.py、Starting MCP inspector...、⚙️ Proxy server listening on port 6277、🔍 MCP Inspector is up and running at http://127.0.0.1:6274。然后可以访问 http://127.0.0.1:6274 使用 MCP Inspector 进行测试。

Streamable HTTP 模式：使用支持流式传输的 HTTP 进行通信。这是生产部署推荐的传输方式，支持有状态和无状态操作。使用方式：uv run src/mcp_server_milvus/server.py --streamable-http --milvus-uri http://localhost:19530 --port 8000。其中 --streamable-http 启用 Streamable HTTP 模式，--port 指定服务器端口（默认 8000），--stateless 为可选标志，用于无状态模式（不保持会话持久化）。无状态模式示例：uv run src/mcp_server_milvus/server.py --streamable-http --stateless --milvus-uri http://localhost:19530 --port 8000。

支持的应用程序

该 MCP 服务器可用于各种支持 Model Context Protocol 的 LLM 应用：Claude Desktop（Anthropic 的 Claude 桌面应用）、Cursor（支持 MCP 的 AI 驱动代码编辑器）、自定义 MCP 客户端（任何实现 MCP 客户端规范的应用）。

与 Claude Desktop 配合使用

不同模式的配置步骤：为 SSE 模式配置 Claude Desktop，从 https://claude.ai/download 安装 Claude Desktop；打开 Claude Desktop 配置文件：macOS 路径为 ~/Library/Application Support/Claude/claude_desktop_config.json；添加 SSE 模式的配置；重启 Claude Desktop 使更改生效。对于 stdio 模式，添加 stdio 模式的配置。

与 Cursor 配合使用

Cursor 也支持 MCP 工具。集成步骤：打开 Cursor Settings > MCP；点击 Add new global MCP server；点击后会自动重定向到 mcp.json 文件，如果该文件不存在则会自动创建。

配置 mcp.json 文件：用相应内容覆盖 mcp.json 文件。然后启动服务，运行命令：uv run src/mcp_server_milvus/server.py --sse --milvus-uri http://your_sse_host --port port。注意：将 http://your_sse_host 替换为实际的 SSE 主机地址，将 port 替换为所使用的具体端口号。服务启动并运行后，用以下内容覆盖 mcp.json 文件：{ "mcpServers" : { "milvus-sse" : { "url" : " http://your_sse_host:port/sse " , "disabled" : false , "autoApprove" : [] } } }。

Streamable HTTP 模式下，启动服务：uv run src/mcp_server_milvus/server.py --streamable-http --milvus-uri http://your_host --port port。然后更新 mcp.json：{ "mcpServers" : { "milvus-streamable-http" : { "url" : " http://your_host:port/mcp " , "disabled" : false , "autoApprove" : [] } } }。

完成集成：完成上述步骤后，重启 Cursor 或重新加载窗口，以确保配置生效。

验证集成：要验证 Cursor 是否已成功与 Milvus MCP 服务器集成，检查列表中是否出现 “milvus”、“milvus-sse” 或 “milvus-streamable-http”（取决于所选模式）；确认相关工具已列出（例如 milvus_list_collections、milvus_vector_search 等）；如果服务器已启用但显示错误，请查看下方 Troubleshooting 部分。

适用场景

该服务器适合需要让 LLM 应用直接访问 Milvus 向量数据库的场景，例如在 AI 驱动的 IDE、聊天界面或自定义 AI 工作流中执行向量检索、全文检索、混合检索或按过滤条件查询集合数据，也适合通过 Claude Desktop 和 Cursor 等 MCP 客户端进行集成。

限制

milvus_text_similarity_search 仅在 Milvus 2.6.0 及以上版本受支持，并且需要在 Milvus 服务器上设置嵌入函数。使用该服务器需要满足 Python 3.10+、运行中的 Milvus 实例和 uv 等前置条件。其他限制在提供的资料中暂未说明。

同类工具

查看分类