MCP Server

Zilliz Cloud 提供了 Zilliz MCP Server，使 AI 智能体能够通过标准化的模型上下文协议（Model Context Protocol，MCP）无缝地与 Zilliz Cloud 进行交互。本页面将指导你如何在本地设置 Zilliz MCP 服务器，并将其与你喜爱的 AI 智能体配合使用。

准备工作

请确保你已完成以下准备：

已获取 Zilliz Cloud 的 API 密钥。你可以根据此页上的指引创建密钥。
已安装 Python 3.10 或更高版本。要查看已安装的 Python 版本，请在终端中运行以下命令：
```
python3 -V
```
有关可用的 Python 版本，请访问其下载页面。
已安装 uv 并将其添加到系统路径（PATH）中。要查看已安装的 uv 版本，请在终端中运行以下命令：
```
uv -V
```
你可以根据此页上的指引进行安装。

操作步骤

要运行 Zilliz MCP Server，你需要准备好配置文件，并将其添加到你喜爱的 AI 智能体中。

步骤 1：准备 Zilliz MCP Server 配置

您可以使用如下两种方式配置准备 Zilliz MCP Server。

本地模式（Standard Input/Output）

在这种模式下，Zilliz MCP Server 与你喜爱的 AI 智能体在同一台机器上本地运行，且 AI 智能体直接管理 Zilliz MCP Server 的生命周期。

在你的 AI 智能体所运行的机器上安装了 Python 和 uv 之后，只需将以下服务器配置中的 YOUR-API-KEY 替换为具有足够权限且有效 Zilliz Cloud API 密钥，即可使用该配置。

{
  "mcpServers": {
    "zilliz-mcp-server": {
      "command": "uvx",
      "args": ["zilliz-mcp-server"],
      "env": {
          "ZILLIZ_CLOUD_TOKEN": "YOUR-API-KEY"
      }
    }
  }
}

服务器模式（Streamable HTTP）

如果你希望在不同机器上运行的多个 AI 智能体之间共享 Zilliz MCP Server，可以以服务器模式运行 Zilliz MCP Server。你需要先克隆 Zilliz MCP Server 的代码仓库，并在独立的机器上启动服务器，然后再进行配置文件的准备。

克隆 Zilliz MCP Server 仓库。

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

创建环境变量文件（.env）。
```
cp example.env .env
```

添加 Zilliz Cloud API Key 到 .env 文件。

该文件如下所示。您需要将您的 Zilliz Cloud API key 添加到 ZILLIZ_CLOUD_TOKEN= 的后面。

# Zilliz MCP Server Configuration
# Copy this file to .env and fill in your actual values

# Zilliz Cloud Configuration

ZILLIZ_CLOUD_TOKEN=
ZILLIZ_CLOUD_URI=https://api.cloud.zilliz.com
ZILLIZ_CLOUD_FREE_CLUSTER_REGION=gcp-us-west1

# MCP Server Configuration

# Port for MCP server when using HTTP/SSE transports (default: 8000)
MCP_SERVER_PORT=8000
# Host for MCP server when using HTTP/SSE transports (default: localhost)
MCP_SERVER_HOST=localhost

Zilliz MCP Server 默认监听 localhost:8000。您可以通过修改MCP_SERVER_HOST 和 MCP_SERVER_PORT 来修改此设置。

启动 Zilliz MCP Server。

uv run src/zilliz_mcp_server/server.py --transport streamable-http

准备 Zilliz MCP Server 配置文件。

Zilliz MCP Server 默认监听 localhost:8000。如果您修改了 .env 文件中的相关设置，需要更新配置中的 url 参数为正确的地址。

{
  "mcpServers": {
    "zilliz-mcp-server": {
      "url": "http://localhost:8000/mcp",
      "transport": "streamable-http",
      "description": "Zilliz Cloud and Milvus MCP Server"
    }
  }
}

步骤2：添加服务器配置到 AI Agent

MCP 是一种开放协议，用于标准化应用程序向大语言模型（LLM）提供上下文的方式，许多 AI 驱动的应用程序都支持该协议。在本步骤中，你将学习如何将配置添加到 AI 代码编辑器 Cursor 中。

启动 Cursor，然后在顶部菜单栏中选择 Cursor > Settings > Cursor Settings。
在左侧导航栏中选择 Tools & Integrations。
点击 Add Custom MCP。这将打开 mcp.json 文件。
将你在步骤 1 中准备好的配置复制并粘贴到打开的文件中。
保存文件并返回到 Tools & Integrations 页面。你会看到 Zilliz MCP Server 已列在 MCP Tools 中，并显示了可供 AI 智能体调用的可用工具。

将 Zilliz MCP 服务器添加到你偏好的 AI 应用程序中的操作流程非常相似。你可以根据所使用的 AI 应用程序提供的具体指引来添加配置文件。

可用工具

Zilliz MCP Server 提供了以下工具，供你与 Zilliz Cloud 进行交互。

控制平面工具

这些工具用于在控制平面上管理资源，例如项目和集群。

Tool	Description
`list_projects`	列出你在 Zilliz Cloud 账户中的所有项目。
`list_clusters`	列出项目内的所有集群。
`create_free_cluster`	创建一个新的免费版 Milvus 集群。
`describe_cluster`	获取某个特定集群的详细信息。
`suspend_cluster`	暂停正在运行的集群以节省成本。
`resume_cluster`	恢复已暂停的集群。
`query_cluster_metrics`	查询集群的各项性能指标。

数据平面工具

这些工具用于在数据平面上管理资源（如数据库和集合），并执行向量搜索。

Tool Name	Description
`list_databases`	列出指定集群中的所有数据库。
`list_collections`	列出数据库中的所有集合（collection）。
`create_collection`	使用指定的 schema 创建一个新的集合。
`describe_collection`	获取集合的详细信息，包括其 schema。
`insert_entities`	将实体（包含向量的数据记录）插入到集合中。
`delete_entities`	根据 ID 或过滤表达式从集合中删除实体。
`search`	在集合上执行向量相似性搜索。
`query`	根据标量过滤表达式查询实体。
`hybrid_search`	执行结合向量相似性和标量过滤的混合搜索。

常见问题排查

为什么我的 AI 智能体提示 Zilliz MCP Server 没有提供任何工具？

这种情况通常是因为缺少必要的依赖项（如 Python 或 uv）导致的。请确保你已正确安装这些依赖项。具体要求请参见准备工作。

准备工作​

操作步骤​

步骤 1：准备 Zilliz MCP Server 配置​

本地模式（Standard Input/Output）​

服务器模式（Streamable HTTP）​

步骤2：添加服务器配置到 AI Agent​

可用工具​

控制平面工具​

数据平面工具​

常见问题排查​