milvus-text-search-mcp 0.2.0

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

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）

变量	说明	默认值
MILVUS_URI	Milvus 服务地址	http://localhost:19530
EMBEDDING_API_BASE	OpenAI 兼容 Embedding API 基础地址	无
EMBEDDING_API_KEY	Embedding API 密钥（必填）	无
EMBEDDING_MODEL	Embedding 模型名称	无

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",
    "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
milvus_semantic_text_search(
    query_text="有5年Java开发经验的后端工程师",
    collection_name="resumes_collection",
    top_k=10,
    filter_expr='age >= 25 && age <= 40',  # 可选
    output_fields="name,age,email"           # 可选
)

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

工具集	输入	适用场景
mcp-server-milvus	需要 float 向量数组	已有向量的场景
milvus-text-search-mcp（本包）	自然语言文本	语义搜索场景（推荐）

两者可同时配置给同一个数字员工，互补使用。

License

MIT