爆火 | API 終將淘汰，MCP+LLM+向量數據庫才是 Agent 開發新范式 原創
"大模型雖然智能，但似乎在面對各種問題時仍顯得力不從心。"
許多用戶在運用大模型時，可能都會遇到這樣的困惑。
舉例來說，詢問 DeepSeek 關于即將到來的清明節的習俗，AI 能夠信手拈來地提供答案；然而，當要求它制定一份為期三天兩晚的清明旅行計劃時，其給出的方案似乎總是不夠完美。
原因顯而易見，在制定旅行計劃時，大模型缺少了天氣、機票、鐵路、導航、酒店等重要數據與工具的接入。這就好比一個極具智慧的大腦，卻缺乏了外部的“數據”輸入和強健的四肢支持。
在這種情況下，為了提升大模型的能力，通過為其配備多樣化的外部工具和數據庫，Agent 技術最近2年來備受關注。
然而，要打造一個高度智能的 Agent，通常需要集成大量的外部工具。在傳統的 Agent 開發過程中，每增加一個工具，就需要為大模型編寫一個新的 API，這使得系統變得越來越復雜。
MCP（模型上下文協議）的問世改變了這一現狀。
去年11月，硅谷 AI 巨頭 Anthropic 正式發布了MCP——模型上下文協議，使得開發者只需編寫一次代碼，就能讓大模型對接不同的 API、數據庫與文件系統，極大簡化了模型的配置過程。
正因為如此，MCP 一經推出，便被譽為最強大的標準化接口協議，一夜之間在全球大模型領域掀起熱潮，成為新一代 Agent 工具調用的標準協議。
那么，MCP 究竟是什么呢？我們又該如何將其與 Milvus 相結合？
1、模型上下文協議（MCP）是什么
MCP 是一種開源協議，它的目標是對大模型與各類數據源及工具的互聯方式進行標準化。
借助 MCP，大模型（LLM）就如同配備了通用的 Type C 充電接口，能夠迅速連接到任何支持 MCP 的工具。
從技術架構的角度來看，MCP 實行的是客戶端-服務器模型，其中，主應用程序能夠與多個工具服務器建立連接：
MCP 主機：指那些希望通過 MCP 來獲取數據的程序，例如 Claude 的桌面應用、集成開發環境（IDE）或者 AI 工具（Cursor、Agents 等）。
MCP 客戶端：這是與服務器建立一對一連接的協議客戶端。
MCP 服務器：通過標準化的模型上下文協議，連接到具有特定功能的輕量級程序。
本地數據源：指的是 MCP 服務器可以安全訪問的計算機文件、數據庫和服務。
遠程服務：MCP 服務器能夠連接到互聯網上的外部系統（例如，通過 API 進行連接）。
2、為何要將 Milvus 與 MCP 結合使用？
Milvus 不僅在處理大規模數據方面表現出色，其高效的相似性搜索能力和可擴展的向量存儲特性，使其成為 Agent 智能體的首選解決方案。
借助 MCP 這位“理想的協調者”，開發者能夠在不增加額外工程量的情況下，輕松實現大模型對向量數據庫知識的高效、標準化訪問。
那么，通過 MCP 整合 Milvus，我們將能夠享受到哪些功能呢？
- 復雜的向量相似性搜索能力
- 索引的創建與操作
- Schema 分析：可以直接在 AI 代理界面中檢查集合的 Schema、字段類型和索引設置。
- 實時監控：獲取集合的統計信息、實體數量和數據庫運行狀態指標，確保系統性能最優。
- 動態操作：根據需求變化，即時創建新集合、插入數據或修改 Schema。
- 全文搜索：從 Milvus 2.5 版本開始，新版本均支持全文搜索功能。
3、如何將 Milvus 通過 MCP 與大模型集成？
Milvus MCP 服務器兼容支持 MCP 的各種大模型（LLM）應用程序，其中包括但不限于以下幾款：
- Claude Desktop：由 Anthropic 開發的 Claude 桌面應用程序。
- Cursor：一款 AI 代碼編輯器，其 Composer 功能支持 MCP。
- 自定義 MCP 客戶端：任何遵循 MCP 客戶端規范開發的應用程序。
在接下來的步驟中，我們將通過 Claude Desktop 和 Cursor 來展示部署過程。
第一步：環境準備
在使用 MCP 服務器之前，請確保已經準備好：
- Python 3.10 或更高版本；
- 正在運行的 Milvus 實例（本地或遠程）
- uv 工具
第二步：配置指南
我們推薦，Milvus MCP Server 直接使用 uv 方式運行。以下案例中的 Claude Desktop 和 Cursor 都可以如此配置。
git clone https://github.com/zilliztech/mcp-server-milvus.git
cd mcp-server-milvus接下來，我們就可以直接運行 server 了，如下所示：
uv run src/mcp_server_milvus/server.py --milvus-uri http://localhost:19530第三步：與 Claude Desktop 集成
Step1：從 https://claude.ai/download 安裝 Claude Desktop
Step2：打開你的 Claude Desktop 配置：
macOS：
~/Library/Application Support/Claude/claude_desktop_config.jsonStep3：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"
]
}
}
}Step4：重啟 Claude 桌面
第四步：與 Cursor 集成
Cursor 可以通過 Composer 中的 Agent 功能支持 MCP工具。我們可以通過兩種方式將 Milvus MCP 服務器添加到 Cursor：
方法一 ：使用 Cursor 設置 UI
- Step1：轉至 Cursor Settings> Features>MCP
- Step2：+ Add New MCP Server 按鈕
- Step3 填寫配置：Type 選擇 stdio；name 選擇milvus；Command 如下
/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：要使用127.0.0.1而不是 localhost，可以避免潛在的 DNS 解析問題。
方法二：使用項目特定配置（推薦）
Step1：在項目根目錄中創建一個. cursor/mcp.json 文件：
mkdir -p /path/to/your/project/.cursorStep2：創建一個 mcp.json 文件，內容如下：
{
"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"
]
}
}
}Step3：重新啟動 Cursor 或重新加載窗口
添加 server 后，我們需要點擊 MCP 設置中的刷新按鈕來激活工具列表。這樣，當我們的查詢相關內容的時候，Composer Agent 就能自動使用 Milvus 工具。
Step4：驗證集成效果
要驗證 Cursor 是否已成功與 Milvus MCP 服務器集成：
- 打開 Cursor Settings > Features > MCP
- 檢查“Milvus”是否出現在 MCP 服務器列表中
- 驗證工具是否集成成功
（例如 milvus_list_collections、milvus_vector_search 等）
4、案例展示：Claude Desktop+MCP+Milvus 效果展示
案例 1：提問
首先，我們給出如下一個提問：
What are the collections I have in my Milvus DB?Claude 馬上就會使用 MCP 在 Milvus 向量數據庫中檢索和以上提問有關的數據。
案例 2：文檔搜索
首先，我們明確一下需求：
Claude 將利用 Milvus 的全文搜索功能來檢索相關文檔：
Cursor + MCP + Milvus 效果展示
在 Cursor 的 Composer 中，您可以進行如下操作：
Create a new collection called 'articles' in Milvus with fields
for title (string), content (string), and a vector field (128 dimensions)Cursor 將使用 MCP 服務器執行此操作：
本文轉載自公眾號玄姐聊AGI 作者：玄姐
