milvus-text-search-mcp

MCP Server for semantic text search in Milvus: converts natural language to vectors automatically — no manual vector input required.

将自然语言查询文本自动转换为向量嵌入，再执行 Milvus 向量相似度搜索。
无需 Agent 手动传入 1024 维向量数组，解决了 mcp-server-milvus 的 milvus-vector-search 工具需要传入向量的限制。

安装

# 使用 uvx 直接运行（无需预装，推荐）
uvx milvus-text-search-mcp

# 或使用 uv tool install 预装
uv tool install milvus-text-search-mcp

# 或使用 pip
pip install milvus-text-search-mcp

配置（环境变量）

支持任何 OpenAI 兼容的 Embedding API，如 SiliconFlow、Azure OpenAI、本地部署的 Ollama 等。

在 workmate 平台配置工具集

在工具集配置 JSON 中填写（替换为你的实际地址和密钥）：

{
  "command": "uvx",
  "args": ["milvus-text-search-mcp"],
  "env": {
    "MILVUS_URI": "http://your-milvus-host:19530",
    "MILVUS_USER": "your-milvus-username",
    "MILVUS_PASSWORD": "your-milvus-password",
    "MILVUS_DB": "your-milvus-db",
    "MILVUS_COLLECTION": "resumes_collection",
    "EMBEDDING_API_BASE": "https://your-embedding-api/v1",
    "EMBEDDING_API_KEY": "your-api-key",
    "EMBEDDING_MODEL": "your-embedding-model-name"
  },
  "timeout": 120
}

提供的工具

milvus_semantic_text_search（核心工具）

将自然语言文本转换为向量后执行语义相似度搜索。

# Agent 调用示例
# 注意：collection 由环境变量 MILVUS_COLLECTION 决定，不是调用参数
milvus_semantic_text_search(
    query_text="有5年Java开发经验的后端工程师",
    top_k=10,
    filter_expr='age >= 25 && age <= 40',  # 可选
    output_fields="name,age,email"          # 可选
)

milvus_count_records（统计工具）

统计集合中满足条件的记录总数，专为"有多少条"、"上传了多少"等数量查询设计。

# Agent 调用示例
milvus_count_records(
    filter_expr='resume_upload_time >= "2026-06-10T00:00:00+00:00"'  # 可选
)
# 返回：{"count": 87, "collection": "resumes_collection", "filter": "..."}

⚠️ 不要用 mcp-server-milvus 的 milvus_query + count(*) 统计数量，该工具内部强制 limit，与 count(*) 不兼容，会报错。请始终使用此工具统计数量。

milvus_get_text_embedding（辅助工具）

仅将文本转换为向量嵌入，不执行搜索。 通常不需要直接调用，请优先使用 milvus_semantic_text_search。

与 mcp-server-milvus 的关系

两者可同时配置给同一个数字员工，互补使用。

License

MIT