“大模型虽然智能，但似乎在面对各种问题时仍显得力不从心。”
许多用户在运用大模型时，可能都会遇到这样的困惑。
举例来说，询问 DeepSeek 关于即将到来的清明节的习俗，AI 能够信手拈来地提供答案；然而，当要求它制定一份为期三天两晚的清明旅行计划时，其给出的方案似乎总是不够完美。
原因显而易见，在制定旅行计划时，大模型缺少了天气、机票、铁路、导航、酒店等重要数据与工具的接入。这就好比一个极具智慧的大脑，却缺乏了外部的“数据”输入和强健的四肢支持。
在这种情况下，为了提升大模型的能力，通过为其配备多样化的外部工具和数据库，Agent 技术最近2年来备受关注。
然而，要打造一个高度智能的 Agent，通常需要集成大量的外部工具。在传统的 Agent 开发过程中，每增加一个工具，就需要为大模型编写一个新的 API，这使得系统变得越来越复杂。
MCP（模型上下文协议）的问世改变了这一现状。
去年11月，硅谷 AI 巨头 Anthropic 正式发布了MCP——模型上下文协议，使得开发者只需编写一次代码，就能让大模型对接不同的 API、数据库与文件系统，极大简化了模型的配置过程。
正因为如此，MCP 一经推出，便被誉为最强大的标准化接口协议，一夜之间在全球大模型领域掀起热潮，成为新一代 Agent 工具调用的标准协议。
那么，MCP 究竟是什么呢？我们又该如何将其与 Milvus 相结合？
1、模型上下文协议（MCP）是什么
MCP 是一种开源协议，它的目标是对大模型与各类数据源及工具的互联方式进行标准化。
借助 MCP，大模型（LLM）就如同配备了通用的 Type C 充电接口，能够迅速连接到任何支持 MCP 的工具。
从技术架构的角度来看，MCP 实行的是客户端-服务器模型，其中，主应用程序能够与多个工具服务器建立连接：
MCP 主机：指那些希望通过 MCP 来获取数据的程序，例如 Claude 的桌面应用、集成开发环境（IDE）或者 AI 工具（Cursor、Agents 等）。
MCP 客户端：这是与服务器建立一对一连接的协议客户端。
MCP 服务器：通过标准化的模型上下文协议，连接到具有特定功能的轻量级程序。
本地数据源：指的是 MCP 服务器可以安全访问的计算机文件、数据库和服务。
远程服务：MCP 服务器能够连接到互联网上的外部系统（例如，通过 API 进行连接）。
2、为何要将 Milvus 与 MCP 结合使用？
Milvus 不仅在处理大规模数据方面表现出色，其高效的相似性搜索能力和可扩展的向量存储特性，使其成为 Agent 智能体的首选解决方案。
借助 MCP 这位“理想的协调者”，开发者能够在不增加额外工程量的情况下，轻松实现大模型对向量数据库知识的高效、标准化访问。
那么，通过 MCP 整合 Milvus，我们将能够享受到哪些功能呢？
-
复杂的向量相似性搜索能力
-
索引的创建与操作
-
Schema 分析：可以直接在 AI 代理界面中检查集合的 Schema、字段类型和索引设置。
-
实时监控：获取集合的统计信息、实体数量和数据库运行状态指标，确保系统性能最优。
-
动态操作：根据需求变化，即时创建新集合、插入数据或修改 Schema。
-
全文搜索：从 Milvus 2.5 版本开始，新版本均支持全文搜索功能。
3、如何将 Milvus 通过 MCP 与大模型集成？
Milvus MCP 服务器兼容支持 MCP 的各种大模型（LLM）应用程序，其中包括但不限于以下几款：
-
Claude Desktop：由 Anthropic 开发的 Claude 桌面应用程序。
-
Cursor：一款 AI 代码编辑器，其 Composer 功能支持 MCP。
-
自定义 MCP 客户端：任何遵循 MCP 客户端规范开发的应用程序。
在接下来的步骤中，我们将通过 Claude Desktop 和 Cursor 来展示部署过程。
第一步：环境准备
在使用 MCP 服务器之前，请确保已经准备好：
- Python 3.10 或更高版本；
- 正在运行的 Milvus 实例（本地或远程）
- uv 工具
第二步：配置指南
我们推荐，Milvus MCP Server 直接使用 uv 方式运行。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
接下来，我们就可以直接运行 server 了，如下所示：
uv run src/mcp_server_milvus/server.py --milvus-uri http://localhost:19530
第三步：与 Claude Desktop 集成
Step1： 从 https://claude.ai/download 安装 Claude Desktop
Step2： 打开你的 Claude Desktop 配置：
macOS：
~/Library/Application Support/Claude/claude_desktop_config.json
Step3：添加以下配置
Step4：重启 Claude 桌面
第四步：与 Cursor 集成
Cursor 可以通过 Composer 中的 Agent 功能支持 MCP工具。我们可以通过两种方式将 Milvus MCP 服务器添加到 Cursor：
方法一 ：使用 Cursor 设置 UI
- Step1： 转至 Cursor Settings> Features>MCP
- Step2：+ Add New MCP Server 按钮
- Step3 填写配置： Type 选择 stdio；name 选择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，可以避免潜在的 DNS 解析问题。
方法二：使用项目特定配置（推荐）
Step1：在项目根目录中创建一个. cursor/mcp.json 文件：
mkdir -p /path/to/your/project/.cursor
Step2：创建一个 mcp.json 文件，内容如下：
Step3：重新启动 Cursor 或重新加载窗口
添加 server 后，我们需要点击 MCP 设置中的刷新按钮来激活工具列表。这样，当我们的查询相关内容的时候，Composer Agent 就能自动使用 Milvus 工具。
Step4：验证集成效果
要验证 Cursor 是否已成功与 Milvus MCP 服务器集成：
-
打开 Cursor Settings > Features > MCP
-
检查“Milvus”是否出现在 MCP 服务器列表中
-
验证工具是否集成成功
（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：提问
首先，我们给出如下一个提问：
What are the collections I have in my Milvus DB?
Claude 马上就会使用 MCP 在 Milvus 向量数据库中检索和以上提问有关的数据。
案例 2：文档搜索
首先，我们明确一下需求：
Claude 将利用 Milvus 的全文搜索功能来检索相关文档：
Cursor + MCP + Milvus 效果展示
在 Cursor 的 Composer 中，您可以进行如下操作：
Create a new collection called 'articles' in Milvus with fields
for title (string), content (string), and a vector field (128 dimensions)
Cursor 将使用 MCP 服务器执行此操作：
如何零基础入门 / 学习AI大模型？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高
那么我作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，希望可以帮助到更多学习大模型的人！至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
👉 福利来袭CSDN大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈
全套AGI大模型学习大纲+路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
👉 福利来袭CSDN大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
扫一扫
223
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
