Solr 搜索 MCP 服务器

“Solr 搜索”MCP 服务器的作用是什么？

Solr 搜索 MCP 服务器 作为大型语言模型（LLM）与强大的开源搜索平台 Apache Solr 之间的集成层。利用模型上下文协议（MCP），该服务器允许 AI 助手搜索、检索并与存储在 Solr 集合中的文档进行交互。它将 Solr 的搜索和检索能力作为标准化的资源和工具暴露出来，使客户端应用能够实现高效、类型安全和认证的访问。开发者可以借助该 MCP 服务器为 LLM 实现高级搜索功能，包括复杂查询、文档筛选、排序、分页和直接文档检索——全部在安全的异步工作流中。这让企业级搜索能力赋能于 AI 驱动系统，提升开发体验。

提示模板列表

在可用文档或仓库文件中未提及任何明确的提示模板。

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

• Solr 文档搜索资源
  向 MCP 客户端暴露 Solr 集合，使其能够在已索引文档中进行搜索。
• 文档检索资源
  支持通过唯一 ID 从 Solr 集合检索指定文档。
• 筛选和排序结果资源
  针对搜索查询提供高级筛选和排序，以优化和组织结果。
• 分页搜索结果资源
  支持海量搜索结果的分页，便于客户端分批获取数据。

工具列表

• 高级搜索工具
  允许 LLM 通过 MCP 接口执行复杂的 Solr 查询，并支持多种搜索参数。
• 文档获取工具
  使 LLM 可根据文档 ID 从 Solr 获取完整文档详情。
• 异步查询执行工具
  以非阻塞方式与 Solr 通信，实现高效的搜索与检索。
• 认证工具（JWT）
  通过 MCP 服务器为 Solr 端点提供安全、认证的访问。

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

该 MCP 服务器的应用场景

• 企业文档搜索
  集成企业 Solr 实例，为支持或研究团队提供 LLM 驱动的文档查找与知识检索。
• 代码库探索
  使用 Solr 索引和搜索代码或技术文档，让开发人员通过 AI 工具查询和分析代码库。
• 智能助手 API 集成
  为数字助手或聊天机器人提供基于 Solr 的搜索，满足大规模结构化数据集的问答需求。
• 自动化报告生成
  从 Solr 集合中检索和聚合数据，通过 AI 工作流生成业务报告或分析。
• 安全内容交付
  结合 JWT 认证，实现敏感文档的访问控制，确保只有授权的 LLM 可与 Solr 数据交互。

如何进行设置

Windsurf

1. 前置条件： 确保已安装 Python 3.11+、Docker 和 uv。
2. 定位配置文件： 打开您的 Windsurf 配置文件。
3. 添加 Solr 搜索 MCP 服务器： 在 mcpServers 对象中插入或更新 Solr 搜索 MCP 配置。
4. 保存并重启： 保存配置并重启 Windsurf。
5. 验证设置： 确认服务器正在运行并可访问。

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

API 密钥安全

请通过环境变量存放敏感数据（如 JWT 密钥）。
示例：

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

Claude

1. 前置条件： 安装所需依赖项和 Solr。
2. 编辑配置文件： 打开 Claude 的 MCP 服务器配置文件。
3. 添加服务器条目： 插入 MCP 服务器的命令和参数。
4. 重启 Claude： 重新加载或重启 Claude 后端。
5. 测试连接： 检查 MCP 握手是否成功。

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

Cursor

1. 安装依赖项： 确保已设置 Python 3.11+ 和 Docker。
2. 访问 Cursor 配置： 定位 MCP 服务器配置部分。
3. 插入 MCP 配置： 添加 Solr 搜索相关信息。
4. 应用更改： 保存并重新启动 Cursor。
5. 验证： 确认运行状态。

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

Cline

1. 准备环境： 必须安装 Python、Docker 和 uv。
2. 打开 Cline 配置： 找到 MCP 服务器配置块。
3. 配置服务器： 添加 Solr 搜索 MCP 的详细信息。
4. 重启 Cline： 应用配置更改。
5. 检查集成： 运行测试查询。

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

如何在 FlowHunt 流程中使用此 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到您的 FlowHunt 工作流中，请先将 MCP 组件添加到流程，并将其连接到您的 AI 代理：

点击 MCP 组件打开配置面板。在系统 MCP 配置部分，使用以下 JSON 格式插入您的 MCP 服务器信息：

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

配置完成后，AI 代理即可作为工具使用该 MCP 并访问其全部功能。请记得将 “solr-search” 替换为实际 MCP 服务器名称，并用您自己的 MCP 服务器 URL 替换。

总览

我的看法：该 MCP 服务器为 Solr 集成提供了强大基础，实现了安全、类型安全和灵活的文档搜索。但其缺乏明确的提示模板，并未提及 Roots 或采样支持，可能会限制高级 MCP 客户端的工作流。文档在安装和功能方面较为详实，但在深入的 MCP 专属特性方面内容较少。

MCP 评分

评分：
根据上述表格，我会给该 MCP 服务器打分 6/10。它在功能和 Solr 集成方面表现优秀，但缺乏部分 MCP 生态特性（如 roots、采样、提示模板），也没有明确的开源许可证。