Solr Search MCP Server

Was macht der “Solr Search” MCP Server?

Der Solr Search MCP Server dient als Integrationsschicht zwischen Large Language Models (LLMs) und Apache Solr, einer leistungsstarken Open-Source-Suchplattform. Mithilfe des Model Context Protocol (MCP) ermöglicht dieser Server KI-Assistenten, in Solr-Sammlungen gespeicherte Dokumente zu durchsuchen, abzurufen und mit ihnen zu interagieren. Er stellt Solrs Such- und Abruffunktionen als standardisierte Ressourcen und Tools zur Verfügung und ermöglicht so einen reibungslosen, typsicheren und authentifizierten Zugriff aus Client-Anwendungen. Entwickler können diesen MCP-Server nutzen, um LLMs mit erweiterten Suchfunktionen auszustatten, darunter komplexe Abfragen, Dokumentenfilterung, Sortierung, Paginierung und direkten Dokumentenzugriff – all das in sicheren, asynchronen Workflows. Dies verbessert Entwicklungsprozesse, indem unternehmensgerechte Suche KI-gesteuerten Systemen zur Verfügung gestellt wird.

Liste der Prompts

In der verfügbaren Dokumentation oder den Repository-Dateien werden keine expliziten Prompt-Vorlagen erwähnt.

Bereit, Ihr Geschäft zu erweitern?

Starten Sie heute Ihre kostenlose Testversion und sehen Sie innerhalb weniger Tage Ergebnisse.

Demo anfragen Anmelden

Liste der Ressourcen

• Solr-Dokumentensuch-Ressource
  Stellt Solr-Sammlungen für MCP-Clients bereit, sodass sie Suchen über indizierte Dokumente durchführen können.
• Dokumentenabruf-Ressource
  Ermöglicht das Abrufen bestimmter Dokumente anhand ihrer eindeutigen IDs aus Solr-Sammlungen.
• Gefilterte und sortierte Ergebnis-Ressource
  Bietet erweiterte Filter- und Sortierfunktionen für Suchabfragen, um Ergebnisse zu verfeinern und zu organisieren.
• Paginierte Suchergebnisse-Ressource
  Unterstützt die Paginierung großer Suchergebnisse, sodass Clients Ergebnisse in handlichen Portionen abrufen können.

Liste der Tools

• Erweitertes Such-Tool
  Ermöglicht LLMs das Ausführen komplexer Solr-Abfragen über die MCP-Schnittstelle und unterstützt verschiedene Suchparameter.
• Dokumentenabruf-Tool
  Lässt LLMs vollständige Dokumentdetails per Dokumenten-ID aus Solr abrufen.
• Asynchrones Abfrage-Tool
  Kommuniziert nicht-blockierend mit Solr für effiziente Suche und Dokumentenabruf.
• Authentifizierungs-Tool (JWT)
  Stellt sicheren, authentifizierten Zugriff auf Solr-Endpunkte über den MCP-Server bereit.

Abonnieren Sie unseren Newsletter

Erhalten Sie die neuesten Tipps, Trends und Angebote kostenlos.

E-Mail-Adresse

Abonnieren

Anwendungsfälle für diesen MCP Server

• Unternehmens-Dokumentensuche
  Integration mit unternehmenseigenen Solr-Instanzen zur KI-gestützten Dokumentensuche und Wissensabfrage für Support- oder Forschungsteams.
• Codebase-Exploration
  Verwenden Sie Solr zum Indizieren und Durchsuchen von Quellcode oder technischer Dokumentation, damit Entwickler Codebasen mit KI-Tools abfragen und analysieren können.
• API-Integration für smarte Assistenten
  Rüsten Sie digitale Assistenten oder Chatbots mit Solr-gestützter Suche aus, um Nutzeranfragen aus großen, strukturierten Datensätzen zu beantworten.
• Automatisierte Berichtserstellung
  Daten aus Solr-Sammlungen abrufen und aggregieren, um Geschäftsberichte oder Analysen über KI-Workflows zu generieren.
• Sichere Inhaltsbereitstellung
  Steuern Sie den Zugriff auf sensible Dokumente mit JWT-Authentifizierung und stellen Sie sicher, dass nur autorisierte LLM-Interaktionen mit Solr-Daten möglich sind.

Einrichtung

Windsurf

1. Voraussetzungen: Stellen Sie sicher, dass Python 3.11+, Docker und uv installiert sind.
2. Konfiguration finden: Öffnen Sie Ihre Windsurf-Konfigurationsdatei.
3. Solr Search MCP Server hinzufügen: Fügen Sie das mcpServers-Objekt mit der Solr Search MCP-Konfiguration ein oder aktualisieren Sie es.
4. Speichern und neu starten: Speichern Sie die Konfiguration und starten Sie Windsurf neu.
5. Überprüfung: Prüfen Sie, ob der Server läuft und erreichbar ist.

{
  "mcpServers": {
    "solr-search": {
      "command": "python",
      "args": ["run_server.py"]
    }
  }
}

API-Schlüssel absichern

Verwenden Sie Umgebungsvariablen für sensible Daten (z. B. JWT-Secrets).
Beispiel:

{
  "mcpServers": {
    "solr-search": {
      "command": "python",
      "args": ["run_server.py"],
      "env": {
        "JWT_SECRET": "${JWT_SECRET}"
      },
      "inputs": {
        "solr_url": "http://localhost:8983/solr"
      }
    }
  }
}

Claude

1. Voraussetzungen: Erforderliche Abhängigkeiten und Solr installieren.
2. Konfiguration bearbeiten: Öffnen Sie die MCP-Server-Konfigurationsdatei von Claude.
3. Server-Eintrag hinzufügen: Fügen Sie den MCP-Server-Befehl und die Argumente ein.
4. Claude neu starten: Backend von Claude neu laden oder starten.
5. Verbindung testen: Prüfen Sie das erfolgreiche MCP-Handshake.

{
  "mcpServers": {
    "solr-search": {
      "command": "python",
      "args": ["run_server.py"]
    }
  }
}

Cursor

1. Abhängigkeiten installieren: Stellen Sie sicher, dass Python 3.11+ und Docker installiert sind.
2. Cursor-Konfiguration öffnen: Finden Sie den Abschnitt für MCP-Server.
3. MCP-Server-Konfiguration einfügen: Solr Search Details hinzufügen.
4. Änderungen anwenden: Speichern und Cursor neu starten.
5. Überprüfen: Betriebsstatus prüfen.

{
  "mcpServers": {
    "solr-search": {
      "command": "python",
      "args": ["run_server.py"]
    }
  }
}

Cline

1. Umgebung vorbereiten: Python, Docker und uv müssen installiert sein.
2. Cline-Konfiguration öffnen: Suchen Sie den MCP-Server-Konfigurationsblock.
3. Server konfigurieren: Details für Solr Search MCP hinzufügen.
4. Cline neu starten: Konfigurationsänderungen übernehmen.
5. Integration prüfen: Testabfrage senden.

{
  "mcpServers": {
    "solr-search": {
      "command": "python",
      "args": ["run_server.py"]
    }
  }
}

Nutzung dieses MCP in Flows

MCP in FlowHunt verwenden

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Bereich für die System-MCP-Konfiguration tragen Sie die Details Ihres MCP-Servers in folgendem JSON-Format ein:

{
  "solr-search": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Sobald die Konfiguration abgeschlossen ist, kann der KI-Agent diesen MCP als Tool mit Zugriff auf all seine Funktionen und Möglichkeiten nutzen. Denken Sie daran, “solr-search” an den tatsächlichen Namen Ihres MCP-Servers anzupassen und die URL durch die Ihres eigenen MCP-Servers zu ersetzen.

Übersicht

Meine Meinung: Dieser MCP-Server bietet eine solide Solr-Integration und implementiert alle Grundlagen für eine sichere, typsichere und flexible Dokumentensuche. Allerdings fehlen explizite Prompt-Vorlagen sowie Angaben zu Roots oder Sampling, was erweiterte MCP-Client-Workflows einschränken könnte. Die Dokumentation ist für Einrichtung und Funktionalität gut, geht aber wenig auf tiefergehende MCP-Features ein.

MCP-Bewertung

Bewertung:
Basierend auf den obigen Tabellen bewerte ich diesen MCP-Server mit 6/10. Er ist funktional und gut mit Solr integriert, aber es fehlen einige MCP-Ökosystem-Features (wie Roots, Sampling, Prompt-Vorlagen) und eine klare Open-Source-Lizenz.