Meilisearch MCP 服务器

Meilisearch | Meilisearch 云服务 | 文档 | Discord

⚡ 将任何 LLM 连接到 Meilisearch，并通过闪电般的搜索功能为您的 AI 提供强大支持！🔍

🤔 这是什么？

Meilisearch MCP 服务器是一个模型上下文协议服务器，使任何兼容 MCP 的客户端（包括 Claude、OpenAI 代理和其他 LLM）能够与 Meilisearch 进行交互。这个基于 stdio 的服务器允许 AI 助手通过自然对话管理搜索索引、执行搜索和处理您的数据。

为什么要使用这个？

• 🤖 通用兼容性 - 适用于任何 MCP 客户端，而不仅仅是 Claude
• 🗣️ 自然语言控制 - 通过与任何 LLM 的对话来管理 Meilisearch
• 🚀 零学习曲线 - 无需学习 Meilisearch 的 API
• 🔧 完整功能访问 - 所有 Meilisearch 功能触手可及
• 🔄 动态连接 - 动态切换 Meilisearch 实例
• 📡 stdio 传输 - 目前使用 stdio；原生 Meilisearch MCP 支持即将推出！

✨ 主要功能

• 📊 索引和文档管理 - 创建、更新和管理搜索索引
• 🔍 智能搜索 - 在单个或多个索引中进行高级过滤搜索
• ⚙️ 设置配置 - 微调搜索相关性和性能
• 📈 任务监控 - 跟踪索引进度和系统操作
• 🔐 API 密钥管理 - 安全的访问控制
• 🏥 健康监控 - 监控您的 Meilisearch 实例
• 🐍 Python 实现 - TypeScript 版本也可用

🚀 快速开始

只需 3 步即可启动并运行！

1️⃣ 安装包

# 使用 pip
pip install meilisearch-mcp

# 或使用 uvx（推荐）
uvx -n meilisearch-mcp

2️⃣ 配置 Claude Desktop

将此添加到您的 claude_desktop_config.json 中：

{
  "mcpServers": {
    "meilisearch": {
      "command": "uvx",
      "args": ["-n", "meilisearch-mcp"]
    }
  }
}

3️⃣ 启动 Meilisearch

# 使用 Docker（推荐）
docker run -d -p 7700:7700 getmeili/meilisearch:v1.6

# 或使用 Homebrew
brew install meilisearch
meilisearch

就是这样！现在您可以要求您的 AI 助手搜索和管理您的 Meilisearch 数据！🎉

📚 示例

💬 与您的 AI 助手自然对话：

您： “创建一个名为 'products' 的新索引，并将 'id' 设为主键”
AI： 我将为您创建该索引... ✓ 索引 'products' 创建成功！

您： “向索引中添加一些产品”
AI： 我将添加这些产品... ✓ 向 'products' 索引添加了 5 个文档

您： “搜索类别中包含 'electronics' 且价格低于 $50 的产品”
AI： 我将搜索这些产品... 找到了 12 个匹配的产品！

🔍 高级搜索示例：

您： “在所有索引中搜索 'machine learning' 并按日期排序”
AI： 正在所有索引中搜索... 从 3 个索引中找到了 47 个结果：
- 'blog_posts': 23 篇关于 ML 的文章
- 'documentation': 15 篇技术指南  
- 'tutorials': 9 个实践教程

🔧 安装

先决条件

• Python ≥ 3.9
• 运行的 Meilisearch 实例
• 兼容 MCP 的客户端（Claude Desktop、OpenAI 代理等）

从 PyPI 安装

pip install meilisearch-mcp

从源代码安装（用于开发）

# 克隆仓库
git clone https://github.com/meilisearch/meilisearch-mcp.git
cd meilisearch-mcp

# 创建虚拟环境并安装
uv venv
source .venv/bin/activate  # 在 Windows 上：.venv\Scripts\activate
uv pip install -e .

使用 Docker

非常适合容器化环境，如 n8n 工作流！

从 Docker Hub 安装

# 拉取最新镜像
docker pull getmeili/meilisearch-mcp:latest

# 或拉取特定版本
docker pull getmeili/meilisearch-mcp:0.5.0

# 运行容器
docker run -it \
  -e MEILI_HTTP_ADDR=http://your-meilisearch:7700 \
  -e MEILI_MASTER_KEY=your-master-key \
  getmeili/meilisearch-mcp:latest

从源代码构建

# 构建您自己的镜像
docker build -t meilisearch-mcp .
docker run -it \
  -e MEILI_HTTP_ADDR=http://your-meilisearch:7700 \
  -e MEILI_MASTER_KEY=your-master-key \
  meilisearch-mcp

与 n8n 集成

对于 n8n 工作流，您可以直接在设置中使用 Docker 镜像：

meilisearch-mcp:
  image: getmeili/meilisearch-mcp:latest
  environment:
    - MEILI_HTTP_ADDR=http://meilisearch:7700
    - MEILI_MASTER_KEY=masterKey

🛠️ 您可以做什么？

🌍 环境变量

配置默认连接设置：

MEILI_HTTP_ADDR=http://localhost:7700  # 默认 Meilisearch URL
MEILI_MASTER_KEY=your_master_key       # 可选：默认 API 密钥

💻 开发

设置开发环境

1. 启动 Meilisearch：

   docker run -d -p 7700:7700 getmeili/meilisearch:v1.6
   

2. 安装开发依赖项：

   uv pip install -r requirements-dev.txt
   

3. 运行测试：

   python -m pytest tests/ -v
   

4. 格式化代码：

   black src/ tests/
   

使用 MCP 检查器进行测试

npx @modelcontextprotocol/inspector python -m src.meilisearch_mcp

🤝 社区与支持

我们非常乐意听到您的反馈！以下是如何获取帮助和联系的方式：

• 💬 加入我们的 Discord - 与社区聊天
• 🐛 报告问题 - 发现了一个 bug？让我们知道！
• 💡 功能请求 - 有想法？我们在听！
• 📖 Meilisearch 文档 - 了解更多关于 Meilisearch 的信息

🤗 贡献

我们欢迎贡献！以下是如何开始：

1. Fork 仓库
2. 创建您的功能分支（git checkout -b feature/amazing-feature）
3. 为您的更改编写测试
4. 进行更改并运行测试
5. 使用 black 格式化您的代码
6. 提交您的更改（git commit -m '添加 amazing feature'）
7. 推送到您的分支（git push origin feature/amazing-feature）
8. 打开一个 Pull Request

有关更多详细信息，请参阅我们的贡献指南。

📦 发布流程

该项目使用自动版本控制和发布。当 main 分支上的 pyproject.toml 中的版本发生变化时，包会自动发布到 PyPI。

有关详细说明，请参阅发布流程部分。

📄 许可证

该项目根据 MIT 许可证授权 - 有关详细信息，请参阅 LICENSE 文件。

Meilisearch 是一个开源搜索引擎，提供愉悦的搜索体验。
了解更多关于 Meilisearch 的信息，请访问 meilisearch.com

# 运行所有测试
python -m pytest tests/ -v

# 运行特定测试文件
python -m pytest tests/test_mcp_client.py -v

# 运行测试并生成覆盖率报告
python -m pytest --cov=src tests/

# 以监视模式运行测试（需要 pytest-watch）
pytest-watch tests/

# 使用 Black 格式化代码
black src/ tests/

# 运行类型检查（如果配置了 mypy）
mypy src/

# 代码检查（如果配置了 flake8）
flake8 src/ tests/

# 创建功能分支
git checkout -b feature/your-feature-name

# 进行更改，首先编写测试
# 编辑文件...

# 运行测试以确保一切正常
python -m pytest tests/ -v

# 格式化代码
black src/ tests/

# 提交并推送
git add .
git commit -m "添加功能描述"
git push origin feature/your-feature-name