Mochow Mcp Server Python

🚀 百度向量数据库MCP Server

百度向量数据库MCP Server提供了对百度云向量数据库功能的访问，方便开发者使用相关服务，与各类支持模型上下文协议的大语言模型应用程序协同工作。

🚀 快速开始

前提条件

在使用百度云向量数据库MCP Server之前，请确保你具备以下条件：

1. Python 3.10 或更高版本
2. 已安装uv用于运行MCP Server

安装与运行

使用百度云向量数据库MCP Server的推荐方式是通过uv运行，而无需进行安装。具体步骤如下：

1. 克隆代码仓库：

git clone https://github.com/baidu/mochow-mcp-server-python.git
cd mochow-mcp-server-python

2. 直接通过uv运行，其中endpoint和api-key根据实际需要修改：

uv run src/mochow_mcp_server/server.py
uv run src/mochow_mcp_server/server.py --endpoint http://127.0.0.1:8287 --api-key mochow

或者，在src/mochow_mcp_server/目录中修改.env文件来设置环境变量，再使用以下命令运行服务器：

uv run src/mochow_mcp_server/server.py

✨ 主要特性

百度云向量数据库MCP Server可以与各种支持模型上下文协议的大语言模型应用程序配合使用，具体如下：

• Claude Desktop：Anthropic 公司为 Claude 开发的桌面应用程序
• Cursor：支持 MCP 的人工智能代码编辑器
• 自定义 MCP 客户端：任何实现 MCP 客户端规范的应用程序

💻 使用示例

在Claude Desktop中的使用方式

1. 从https://claude.ai下载 Claude Desktop。
2. 打开 Claude Desktop 的配置文件，在 macOS 系统中，路径为~/Library/Application Support/Claude/claude_desktop_config.json。
3. 添加以下配置：

{
"mcpServers": {
"mochow": {
"command": "/PATH/TO/uv",
"args": [
"--directory",
"/path/to/mochow-mcp-server-python/src/mochow_mcp_server",
"run",
"server.py",
"--endpoint",
"http://127.0.0.1:8287",
"--api-key",
"mochow"
]
}
}
}

4. 重启 Claude Desktop。

在 Cursor 中的使用方法

Cursor 也支持 MCP工具。你可以通过以下方式将百度MCP Server添加到Cursor中：

1. 依次打开Cursor设置>功能>MCP，点击+添加新的MCP服务器按钮，在mcp.json中添加以下配置：

{
"mcpServers": {
"mochow": {
"command": "/PATH/TO/uv",
"args": [
"--directory",
"/path/to/mochow-mcp-server-python/src/mochow_mcp_server",
"run",
"server.py",
"--endpoint",
"http://127.0.0.1:8287",
"--api-key",
"mochow"
]
}
}
}

2. 重启 Cursor 或重新加载窗口。

使用样例

使用Claude Desktop

基础用法

How many databases do i have in the mochow db?

Claude将使用百度云向量数据库MCP Server提供的list_databases来获取数据库列表。

Let me check how many databases you have in the Mochow instance.

You have 2 databases in your Mochow instance:

1. book
2. test

高级用法

I want to get the detail of  table named book_segments in database book.

Claude将使用百度云向量数据库MCP Server提供的describe_table来获取表的详情信息。

I'll help you get the details of the "book_segments" table in the "book" database. Let me first switch to the "book" database and then describe the table.

Here's the information about the "book_segments" table in the "book" database:

Database: book
Table Name: book_segments
Creation Time: 2025-05-06 11:08:22
State: NORMAL

Schema:

id (STRING)
Primary Key: Yes
Partition Key: Yes
Not Null: Yes

bookName (STRING)
Not Null: Yes

author (STRING)
Not Null: No

page (UINT32)
Not Null: No

segment (TEXT)
Not Null: No

vector (FLOAT_VECTOR)
Not Null: Yes
Dimension: 1024

Indexes
book_name_filtering_idx (FILTERING_INDEX)
Field: bookName
Order: ASCEND
Structure Type: DEFAULT

vector_idx (HNSW)
Field: vector
Metric Type: L2
Auto Build: False
Parameters: (M: 16 efConstruction: 200)

📚 详细文档

可用工具

百度云向量数据库MCP Server提供以下工具：

Database操作

• list_databases：列出数据库中所有的Database
• create_database：创建一个新的Database
  • 参数：
    • database_name：待创建的Database名称
• use_database：切换到一个已存在的Database
  • 参数：
    • database_name：待切换的Database名称

Table操作

• list_tables：列出数据库中所有的Table
• describe_table：获取指定Table的详细信息
  • 参数：
    • table_name：Table名称
• stats_table：获取指定Table的统计信息
  • 参数：
    • table_name：Table名称

数据操作

• delete_table_rows：使用过滤表达式删除数据
  • 参数：
    • table_name：Table名称
    • filter_expr：过滤表达式
• select_table_rows：使用过滤表达式查询数据
  • 参数：
    • table_name：Table名称
    • filter_expr：过滤表达式
    • limit：查询结果的最大条数
    • output_fields：查询结果中要返回的字段名

索引操作

• create_vector_index：在指定向量字段上创建向量索引
  • 参数：
    • table_name：Table名称
    • index_name：向量索引名称
    • field_name：向量字段名称
    • index_type：向量索引类型
    • metric_type：向量索引的距离度量
    • params：向量索引的创建参数
• rebuild_vector_index：重新构建指定向量索引
  • 参数：
    • table_name：Table名称
    • index_name：向量索引名称
• drop_vector_index：删除指定向量索引
  • 参数：
    • table_name：Table名称
    • index_name：向量索引名称
• describe_index：获取指定索引的详情信息
  • 参数：
    • table_name：Table名称
    • index_name：向量索引名称

检索操作

• vector_search：执行带标量过滤的向量相似性检索
  • 参数：
    • table_name：Table名称
    • vector：向量
    • vector_field：向量字段名称
    • limit：相似性检索结果中返回最接近目标向量的记录数量
    • filter_expr：过滤表达式
    • output_fields：查询结果中要返回的字段名
• fulltext_search：执行全文检索
  • 参数：
    • table_name：Table名称
    • index_name：向量索引名称
    • search_text：全文检索的检索表达式
    • limit：全文检索返回相关性最高的条目数
    • filter_expr：过滤表达式
    • output_fields：查询结果中要返回的字段名

环境变量