Meilisearch MCP 服务器

“Meilisearch” MCP 服务器的作用是什么？

Meilisearch MCP 服务器是一个 Model Context Protocol (MCP) 服务器，使 AI 助手（如 LLMs）与 Meilisearch 实例之间实现无缝交互。作为桥梁，它允许 AI 驱动的客户端直接在界面上进行数据库操作——如管理索引、文档、设置和 API 密钥。该服务器支持动态连接配置、内置日志记录和跨索引智能搜索。这一集成为开发者简化了工作流，让他们能够通过自然语言或自动化工具来自动化并监控搜索基础设施任务。

提示列表

在仓库或文档中未直接提及任何提示模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

在现有文档或文件中未描述明确的 MCP 资源。

工具列表

• 索引与文档管理
  允许客户端通过暴露的功能创建、更新、删除及管理 Meilisearch 索引和文档。
• 设置配置与管理
  通过 MCP 暴露的动作配置索引设置及其他操作参数。
• 任务监控与 API 密钥管理
  提供监控运行中任务和安全管理 Meilisearch API 密钥的功能。
• 动态连接配置
  可在运行时查看和更新 Meilisearch 连接 URL 与 API 密钥的工具（get-connection-settings）。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

典型使用场景

• 数据库索引与文档管理
  开发者可自动化创建、更新、删除搜索索引和文档，简化内容管理任务。
• 搜索设置配置
  以编程方式调整索引设置（如排序规则或同义词），实现快速实验和优化。
• API 密钥管理
  安全地为 Meilisearch 创建、撤销和轮换 API 密钥，支持生产环境中的访问控制。
• 任务监控
  跟踪正在进行的任务状态（如索引更新），以确保操作顺利完成并主动处理错误。
• 动态多实例切换
  利用动态连接工具在不同 Meilisearch 实例间即时切换，支持多环境开发与测试。

安装设置方法

Windsurf

1. 确保已安装 Node.js 和 Python ≥ 3.9。
2. 启动您的 Meilisearch 实例，并记录其 HTTP 地址及 API 密钥。
3. 编辑 Windsurf 配置文件，添加 Meilisearch MCP 服务器。
4. 使用如下 JSON 配置片段添加 MCP 服务器：

   "mcpServers": {
     "meilisearch-mcp": {
       "command": "meilisearch-mcp",
       "args": [],
       "env": {
         "MEILI_HTTP_ADDR": "http://localhost:7700",
         "MEILI_MASTER_KEY": "your_master_key"
       }
     }
   }
   

5. 保存配置并重启 Windsurf，验证 MCP 服务器连接情况。

Claude

1. 确保已安装 Python ≥ 3.9 并已启动 Meilisearch。
2. 如有需要，请参阅 CLAUDE.md 文件获取更多 Claude 集成步骤。
3. 在 Claude 配置中添加以下内容：

   "mcpServers": {
     "meilisearch-mcp": {
       "command": "meilisearch-mcp",
       "args": [],
       "env": {
         "MEILI_HTTP_ADDR": "http://localhost:7700",
         "MEILI_MASTER_KEY": "your_master_key"
       }
     }
   }
   

4. 重启 Claude，确保能检测到 MCP 服务器。

Cursor

1. 安装 Node.js 和 Python ≥ 3.9，并确保 Meilisearch 正在运行。
2. 打开 Cursor 配置文件，添加 MCP 服务器条目：

   "mcpServers": {
     "meilisearch-mcp": {
       "command": "meilisearch-mcp",
       "args": [],
       "env": {
         "MEILI_HTTP_ADDR": "http://localhost:7700",
         "MEILI_MASTER_KEY": "your_master_key"
       }
     }
   }
   

3. 保存并重启 Cursor，确认服务器功能正常。

Cline

1. 配置 Python ≥ 3.9 环境并启动 Meilisearch 实例。
2. 编辑 Cline 配置，按如下方式添加 MCP 服务器：

   "mcpServers": {
     "meilisearch-mcp": {
       "command": "meilisearch-mcp",
       "args": [],
       "env": {
         "MEILI_HTTP_ADDR": "http://localhost:7700",
         "MEILI_MASTER_KEY": "your_master_key"
       }
     }
   }
   

3. 保存更改并重启 Cline，测试连接。

API 密钥安全管理
请始终使用环境变量存储诸如 API 密钥等敏感数据。例如：

"env": {
  "MEILI_HTTP_ADDR": "http://localhost:7700",
  "MEILI_MASTER_KEY": "your_master_key"
}

如平台支持，也可使用 "inputs" 方式传递运行时密钥。

在 FlowHunt 流程中使用 MCP

在 FlowHunt 中集成 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，首先在流程中添加 MCP 组件，并将其与您的 AI agent 连接：

点击 MCP 组件，打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填写您的 MCP 服务器信息：

{
  "meilisearch-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI agent 即可作为工具调用该 MCP 服务器的所有功能。请确保将 “meilisearch-mcp” 替换为实际 MCP 服务器名称，并将 URL 替换为您的 MCP 服务器地址。

总览

我们的看法

Meilisearch MCP 服务器为 Meilisearch 自动化和 LLM 集成提供了强大的工具，并具备完善的安装与安全文档。但缺乏明确的提示模板/资源，以及对 Roots/采样的支持不明，略微影响了某些高级场景下的灵活性。

MCP 评分

评分：
我给这个 MCP 服务器打分 7/10。它很好地覆盖了开发者在 Meilisearch 自动化和 LLM 工作流中的关键需求，文档清晰，工具支持全面，但在高级 MCP 特性和资源/提示明确定义上稍有不足。