在 AI 编程助手(如 Claude Code、Qoder)的日常工作流中,开发者经常需要与向量数据库交互——创建集合、写入数据、执行语义搜索。但这些操作通常需要切换到终端手动执行代码,打断了与 AI 的对话节奏。
Zvec MCP Server 通过 MCP(Model Context Protocol) 协议,将 Zvec 的全部能力以标准化工具的形式暴露给 AI 助手。配置完成后,AI 可以在对话中直接调用向量数据库操作——无需你离开编辑器,无需手写任何代码。
快速配置
Qoder(推荐)
使用 Qoder CLI(一键配置):
# OpenAI qodercli mcp add zvec-mcp uvx zvec-mcp-server \ -e OPENAI_API_KEY=sk-xxx \ -e OPENAI_BASE_URL=https://api.openai.com/v1 \ -e OPENAI_EMBEDDING_MODEL=text-embedding-3-small # 或 DashScope qodercli mcp add zvec-mcp uvx zvec-mcp-server \ -e OPENAI_API_KEY=sk-xxx \ -e OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 \ -e OPENAI_EMBEDDING_MODEL=text-embedding-v4手动配置(~/.qoder/mcp.json):
{ "mcpServers": { "zvec-mcp": { "command": "uvx", "args": ["zvec-mcp-server"], "env": { "OPENAI_API_KEY": "sk-xxx", "OPENAI_BASE_URL": "https://api.openai.com/v1", "OPENAI_EMBEDDING_MODEL": "text-embedding-3-small" } } } }Claude Code
claude mcp add zvec-mcp uvx zvec-mcp-server \ -e OPENAI_API_KEY=sk-xxx \ -e OPENAI_BASE_URL=https://api.openai.com/v1 \ -e OPENAI_EMBEDDING_MODEL=text-embedding-3-smallClaude Desktop
配置文件:~/Library/Application Support/Claude/claude_desktop_config.json
{ "mcpServers": { "zvec-mcp": { "command": "uvx", "args": ["zvec-mcp-server"], "env": { "OPENAI_API_KEY": "sk-xxx" } } } }本地开发配置
如需本地开发(使用项目源码):
{ "mcpServers": { "zvec-mcp": { "command": "uv", "args": ["run", "python", "-m", "zvec_mcp"], "cwd": "/path/to/zvec-mcp-server", "env": { "OPENAI_API_KEY": "sk-xxx" } } } }环境变量说明:
OPENAI_API_KEY(必需):API 密钥OPENAI_BASE_URL(可选):自定义端点,如 DashScopeOPENAI_EMBEDDING_MODEL(可选):默认text-embedding-3-small
验证连接
配置完成后,输入以下命令验证:
列出当前可用的 MCP 工具应返回 17 个 zvec-mcp 工具。如未显示,检查配置并重启客户端。
快速开始(日志故障排查场景)
Part 1 — 创建日志知识库
创建一个名为 log_knowledge 的向量集合,存储在 ./data/log_kb 目录下, 用于存储系统日志相关的故障排查知识。Part 2 — 写入数据库故障日志知识
向 log_knowledge 写入以下故障案例: - "ERROR: Connection pool exhausted. Max connections (100) reached. Unable to acquire connection from pool within 30s timeout. Consider increasing max pool size or check for connection leaks." - "WARN: Slow query detected (execution time: 15.3s). Query: SELECT * FROM large_table WHERE unindexed_column = 'value'. Consider adding index on unindexed_column."Part 3 — 写入应用层故障日志知识
向 log_knowledge 写入以下故障案例: - "ERROR: OutOfMemoryError: Java heap space. Heap dump triggered. Analysis shows 85% memory consumed by cached user sessions. Recommendation: review session timeout settings and implement LRU cache eviction." - "WARN: Circuit breaker 'payment-service' opened after 50 consecutive failures. Fallback strategy activated. Root cause: payment-service timeout (5s) insufficient under high load."Part 4 — 写入基础设施故障日志知识
向 log_knowledge 写入以下故障案例: - "ERROR: Disk full (99% usage) on /var/log. Log rotation failed due to permission denied on /etc/logrotate.d/app. Syslog daemon stopped accepting new messages." - "CRITICAL: SSL certificate expired on 2024-01-15. HTTPS connections rejected. Renewal automation failed due to DNS challenge timeout."语义搜索示例
根据错误现象搜索解决方案:
在 log_knowledge 中搜索 "数据库连接超时"按故障级别过滤:
在 log_knowledge 中搜索 "内存问题"按类别精确定位:
在 log_knowledge 中搜索 "证书相关错误"多条件组合查询:
在 log_knowledge 中搜索 "服务不可用",返回 json 格式工具概览
| 类别 | 工具 | 说明 |
|---|---|---|
| 集合管理 | create_and_open_collection/open_collection/get_collection_info/destroy_collection | 创建/打开/删除集合 |
| 文档操作 | insert_documents/upsert_documents/update_documents/delete_documents/fetch_documents | CRUD 操作 |
| 向量查询 | vector_query/multi_vector_query | 单向量/多向量搜索 |
| 索引管理 | create_index/drop_index/optimize_collection | 索引管理 |
| AI Embedding | generate_dense_embedding/embedding_write/embedding_search | 文本嵌入与搜索 |
故障排查
| 问题 | 解决方案 |
|---|---|
| 工具不显示 | 检查配置文件路径,重启客户端 |
| Embedding 报错 | 确认OPENAI_API_KEY和环境变量设置 |
| 集合不存在 | 先用open_collection打开集合 |
| 维度不匹配 | 检查get_collection_info中的维度定义 |
| 搜索无结果 | 确认有数据、已建索引、filter 条件合理 |
点击了解更多