前往主页Meilisearch 的标志
返回文章
2025年2月19日

我们如何让 Meilisearch 与 AI 对话:介绍我们的 MCP 服务器

我们利用模型上下文协议(MCP)在 Meilisearch 和 AI 助手之间搭建了一座桥梁,使开发者能够通过自然语言管理搜索基础设施。

Thomas Payet
Thomas PayetMeilisearch 联合创始人兼首席运营官@totolapaille
How we made Meilisearch talk to AI: introducing our MCP server

您知道搜索的奇妙之处在哪里吗?它处于人们与您的应用程序互动方式的核心。但老实说:构建和管理搜索基础设施感觉就像您花在配置上的时间多于为用户创造价值。这就是为什么我们很高兴分享一个完全改变这一切的东西:Meilisearch MCP 服务器。

为什么选择 MCP?在搜索和 AI 之间搭建桥梁

在我们深入探讨之前,先来了解一下 MCP(模型上下文协议)是什么以及我们为何对此感到兴奋。 MCP 是一种新兴的开放协议,它规范了应用程序如何向大型语言模型(LLMs)提供上下文。可以将其视为您的工具和 AI 模型之间的通用翻译器。

尽管 MCP 尚未完全标准化,但我们相信它代表了开发者未来与其工具互动的方式。原因如下

  • 它为 AI 模型与不同工具和服务之间的交互创建了一种一致的方式
  • 它将安全性和用户控制置于首位
  • 它实现了自然语言交互,同时保持了精确控制
  • 它以开放方式构建,并吸取了开发者社区的意见

从复杂命令到自然对话

还记得上次您需要更新搜索设置的时候吗?可能需要查阅 API 文档,精心制作完美的 JSON 有效负载,并反复检查您的语法。我们都经历过。但如果您能用简单的英语告诉您的搜索引擎您想要什么呢?

这正是我们所构建的。通过实现 MCP,我们已能通过 Claude 等 AI 助手与 Meilisearch 进行自然对话。以下是使用 我们的电影数据库 作为示例的实际意义

之前

curl 
  -X POST 'http://localhost:7700/indexes/movies/settings' 
  -H 'Content-Type: application/json' 
  -H 'Authorization: Bearer MASTER_KEY' 
  --data-binary '{
    "rankingRules": [
      "words",
      "typo",
      "proximity",
      "attribute",
      "sort",
      "exactness"
    ]
  }'

之后

"更新电影索引的排名规则,以优先匹配单词并处理拼写错误。"

就是这样。当与 Claude Sonnet 等高级 LLM 配合使用时,AI 会理解您的意图并处理幕后的所有技术细节。无需再在文档标签之间切换上下文。

今天您能用它做什么?

得益于现代 LLM 的强大功能,我们的 MCP 集成已经能够通过自然语言控制您的 Meilisearch 实例。以下是您现在可以做的事情

  1. 索引管理变得简单 "为我们的产品目录创建一个新索引,并针对电子商务搜索进行优化" AI 将指导您为电子商务设置适当的索引配置。

  2. 搜索优化 "我们的用户在输入错误时难以找到产品。我们如何解决这个问题?" 即时获取有关配置容错和查看实时结果的指导。

  3. 性能洞察 "我们的搜索性能如何?有哪些方面可以优化?" 了解您的搜索分析并获取可操作的建议。

它是如何工作的?

我们当前的 MCP 实现通过一套精心设计的工具来公开 Meilisearch 的功能,AI 助手可以使用这些工具来管理您的搜索基础设施。当与 Claude Sonnet 等高级 LLM 配合使用时,这些工具能够实现关于复杂搜索操作的自然对话。

最棒的是什么?它与 Claude Desktop 和其他 MCP 兼容客户端无缝协作,为您提供

  • 对搜索基础设施的自然语言控制
  • 即时获取最佳实践和优化技巧
  • 实时洞察和分析

2 分钟快速入门

  1. 安装 Claude Desktop(免费!)
  2. 将我们的 MCP 服务器添加到您的配置中
{
  "mcpServers": {
    "meilisearch": {
      "command": "uvx",
      "args": ["-n", "meilisearch-mcp"]
    }
  }
}
  1. 开始像与同事聊天一样管理您的搜索!

构建搜索的未来

这仅仅是我们使命的开始,旨在让搜索基础设施更易于访问。以下是我们接下来正在做的工作

智能提示

我们正在开发用于常见场景的预构建模板,例如

  • 为特定用例(电子商务、文档等)优化索引设置
  • 调试搜索行为和性能问题
  • 理解和改进搜索分析
  • 实施行业特定最佳实践

增强功能

  • 更复杂的分析和监控工具
  • 扩展的 AI 助手集成
  • 团队高级协作功能
  • 与 Meilisearch Cloud 更深度集成

开源且接受贡献

秉持我们的价值观,Meilisearch MCP 服务器完全开源。我们坚信公开构建并向社区学习。查看我们的实现、贡献或根据您的需求进行调整

GitHub 仓库

与我们一起简化搜索

我们很高兴看到您将如何利用它来构建更好的搜索体验。试试看,并告诉我们您的想法!

体验搜索管理的未来

停止与复杂的配置作斗争,开始与您的搜索基础设施进行有意义的对话。免费试用 Meilisearch 14 天,现在支持 MCP。

🚀 How we're making AI work at Meilisearch

🚀 我们如何在 Meilisearch 中实现 AI 工作

在您的公司中难以让 AI 真正发挥价值?了解我们如何在 Meilisearch 将零散的 AI 使用转化为系统的成功,并提供一个您今天即可实施的实用框架。

Gillian McAuliffe
Gillian McAuliffe2025年5月13日
Why you shouldn't use vector databases for RAG

为什么你不应该将向量数据库用于 RAG

关于构建更好检索增强生成系统的逆向观点。

Thomas Payet
Thomas Payet2025年4月30日
AI-powered search: What you need to know [2025]

AI 驱动的搜索:您需要了解的一切 [2025]

为您的 SaaS 业务释放 AI 驱动搜索的力量。了解关键功能、预算技巧和实施策略,以提升用户参与度

Ilia Markov
Ilia Markov2025年4月17日