Zilliz Mcp Server

Zilliz-MCP-Server

1. Zilliz-MCP-Server の概要

Model Context Protocol（MCP）は、AI アプリケーションが外部のデータソースやツールにリアルタイムで安全に接続できるようにする標準化されたフレームワークです。AI モデルとさまざまなシステムをつなぐ汎用インターフェースとして機能し、AI アシスタントが最新の情報にアクセスし、テキスト生成以外の操作を実行できるようにします。

Zilliz MCP Server を使うと、AI エージェントが人気のオープンソースベクトルデータベースである Milvus と、Milvus のフルマネージド版である Zilliz Cloud をシームレスに操作できます。この連携により、AI アシスタントは会話の中で直接コレクションの作成、ベクトルデータの挿入、セマンティック検索を実行できるため、データベースを手動で管理する必要はありません。Zilliz MCP Server は、Cursor、Claude、Windsurf などの人気の AI 搭載コーディングツールや、その他の MCP 対応エディターとシームレスに連携し、開発者が開発ワークフローの中で直接ベクトル検索機能を構築できるようにします。

2. デモ

デモ 1：簡単な自然言語のプロンプトで無料の Milvus クラスターを作成する

ウェブインターフェースや複雑なセットアップ手順を操作する代わりに、Zilliz MCP Server を使えば、Claude、Cursor、またはその他の MCP 対応 AI コーディングアシスタントから直接、無料でフル機能のベクトルデータベースクラスターを起動できます。

Zilliz MCP server は次の処理を自動で行います。

• Zilliz Cloud を使用して無料の Milvus クラスターをプロビジョニングする
• 認証と設定を処理する
• すぐに使用できる接続情報を返す

AI チャットインターフェースを離れたり、インフラストラクチャを手動でセットアップしたりする必要はありません。自然言語で尋ねるだけで、数秒以内に使用可能なベクトルデータベースを利用できます。上記のような Claude のウェブインターフェースを含め、MCP 対応のあらゆる環境で動作します。

デモ 2：チャットから離れずにクラスターのパフォーマンスを監視する

クラスターを起動したら、自然言語を使って、そのステータスを確認し、視覚化を直接生成できます。

Zilliz MCP server は次の処理を行います。

• クラスターのメトリクスとコレクションの詳細をリアルタイムで取得する
• パフォーマンスデータ（CPU の計算処理、容量の使用状況）を取得する
• 必要に応じて視覚化を生成する
• クエリの記述や監視ダッシュボードへのアクセスを一切必要としない

このデモでは、会話形式でベクトルデータベースのインフラストラクチャを監視・分析でき、平易な言葉で質問するだけでクラスターを簡単に管理できることを示しています。

デモ 3：チャットから直接セマンティック検索を実行する

コードを記述せずに、自然言語を使ってベクトルコレクションを検索できます。

Zilliz MCP server は次の処理を行います。

• 指定したコレクション全体でセマンティック検索を実行する
• 類似度スコアとともに関連する結果を返す
• すべてを会話型インターフェースで実行し、SDK の呼び出しやクエリ構文を必要としない

このデモでは、探しているものを説明するだけで、ベクトル検索を簡単に実行できることを示しています。検索クエリのテスト、データの探索、開発環境を離れずに検索機能を構築する場合に最適です。

3. 要件

• Python：3.10 以上。
• uv：高速な Python パッケージインストーラー兼リゾルバーです。インストールされていない場合は、OSX で brew install uv を実行するか、curl -LsSf https://astral.sh/uv/install.sh | sh を実行してください。
• Zilliz Cloud アカウント： Zilliz Cloud をまだ利用したことがない場合は、無料で登録してください。すでにアカウントをお持ちの場合は、こちらからサインインしてください。
• Zilliz Cloud API キー：Zilliz Cloud を利用するには、API キーが必要です。こちらの手順に従って取得できます：API キーの管理。

4. 使用方法

サーバーは次の2つの方法で起動できます。

MCP と Zilliz を初めて使う場合は、セットアップ手順を最初から最後まで確認できるステップバイステップユーザーガイドに従うことをおすすめします。

4.1. 標準入出力（StdIO）

この方法は、エージェントと MCP サーバーが同じマシン上で実行されていて、エージェントにサーバーのライフサイクルを直接管理させたい場合に便利です。エージェントは標準入力ストリームと標準出力ストリームを介してサーバーと通信します。

エージェントの MCP JSON ファイルを次のように設定してください。

{
  "mcpServers": {
    "zilliz-mcp-server": {
      "command": "uvx",
      "args": ["zilliz-mcp-server"],
      "env": {
          "ZILLIZ_CLOUD_TOKEN": "your-token-here"
      }
    }
  }
}

注：/path/to/your/zilliz-mcp-server は、プロジェクトディレクトリの実際の絶対パスに置き換えてください。

4.2. ストリーマブル HTTP

この方法では、サーバーをスタンドアロンの HTTP サービスとして実行します。開発時や、HTTP 経由で通信できるエージェントに便利です。

まず、プロジェクトのリポジトリをクローンするか、ダウンロードします。

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

次に、サンプルから .env ファイルを作成し、Zilliz Cloud の API キーを入力します。

cp example.env .env

.env を開き、API キーを追加します。

ZILLIZ_API_KEY="your_api_key_here"

これにより、MCP サーバーがスタンドアロンの HTTP サービスとして起動します。

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

サーバーの起動後、MCP クライアントから接続するように設定できます。サーバーが正しく動作していれば、利用可能なツールがクライアントのツールリスト（Cursor や Claude など）に表示されます。

次のような設定を使って、エージェントまたは MCP クライアントから接続するように設定できます。

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

5. 利用可能なツール

このサーバーは、AI エージェント向けに2種類のツールを提供します。

Zilliz コントロールプレーンツール

これらのツールは、Zilliz Cloud のリソースを管理するためのものです。

ツール名	説明
list_projects	Zilliz Cloud アカウント内のすべてのプロジェクトを一覧表示します。
list_clusters	プロジェクト内のすべてのクラスターを一覧表示します。
create_free_cluster	無料枠の新しい Milvus クラスターを作成します。
describe_cluster	特定のクラスターに関する詳細情報を取得します。
suspend_cluster	コストを削減するため、実行中のクラスターを一時停止します。
resume_cluster	一時停止中のクラスターを再開します。
query_cluster_metrics	クラスターのさまざまなパフォーマンス指標を取得します。

Milvus データプレーンツール

これらのツールは、Milvus クラスター内のデータを操作するためのものです。

ツール名	説明
list_databases	特定のクラスター内のすべてのデータベースを一覧表示します。
list_collections	データベース内のすべてのコレクションを一覧表示します。
create_collection	指定したスキーマで新しいコレクションを作成します。
describe_collection	スキーマを含む、コレクションの詳細情報を取得します。
insert_entities	エンティティ（ベクトルを含むデータレコード）をコレクションに挿入します。
delete_entities	ID またはフィルター式に基づいて、コレクションからエンティティを削除します。
search	コレクションに対してベクトル類似検索を実行します。
query	スカラーのフィルター式に基づいてエンティティを検索します。
hybrid_search	ベクトル類似検索とスカラーフィルターを組み合わせたハイブリッド検索を実行します。