快速使用Milvus MCP Server，0代码搭建智能搜索Agent

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。

1. 登录阿里云Milvus控制台。
2. 在左侧导航栏，单击Milvus实例。

2. 在Milvus实例页面，单击创建实例，详细步骤可参考文档。
3. 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。

2. 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。

3. 配置MCP Serve

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。

4. 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

2. 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。

3. 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