AI 搜索 MCP 最佳实践

本文涉及的产品
Elasticsearch Serverless通用抵扣包,测试体验金 200元
简介: 本文介绍了如何通过 MCP 协议,快速调用阿里云 OpenSearch 、ElasticSearch 等工具,帮助企业快速集成工具链、降低开发复杂度、提升业务效率。

背景

那些 LLM 不知道的事

尝试直接询问 LLM “今天天气如何”时,会发现 LLM 无法回答——它既不知道“今天”是哪天,也无法获取地理位置信息。这揭示了 LLM 的局限:缺乏与外部工具和实时数据的交互能力

为解决这一问题,MCP(Model Context Protocol)应运而生。通过标准化协议,MCP 使 LLM 能够自主调用工具(如天气API、地理位置服务),并解耦 Agent 与 Tools 的开发,显著降低维护和迭代成本。

image.png

当 LLM 学会用工具

- “让 LLM 自己学会用工具,来解答用户问题。”

上面这句话中,出现了三个角色,“用户”、“工具”、“LLM”,以及隐藏的第四个角色——将这一切粘合起来的“主控程序”。

关于四者的交互流程,下图供以参考:

image.png

MCP 干嘛来了

- 没有 MCP,我要怎么做

按照 Agent+FunctionCall 的模式,我设计了工具 schema,走通了 LLM 的服务调用,终于让 LLM 学会了用工具。但随着工具越来越多、工具调用与 LLM 耦合地越来越深,不管是维护还是迭代,都会消耗大量的精力。

那么,问题来了:

  • 能不能实现 Agent 与 Tools 的解耦?
  • 能不能能统一不同 Tools 的调用协议,让模型快速接入?
  • 能不能实现 Tools 的共享?

- 有了 MCP,我会怎么做

现在有了 MCP,一切都好起来了:

  • Agent 和 Tools,我可以分开维护了。
  • 再多的 Tools,我用"list_tools"+"call_tool"就解决了。
  • 我可以分享自己的 Tools,也可以快速接入别人的 Tools了。

近距离看看 MCP

MCP is an open protocol that standardizes how applications provide context to LLMs. Think of MCP like a USB-C port for AI applications. Just as USB-C provides a standardized way to connect your devices to various peripherals and accessories, MCP provides a standardized way to connect AI models to different data sources and tools.

image.png

MCP 架构中的角色主要有以下几种:

  • MCP Hosts: 相当于上文提到的“主控程序”,比如 Claude Desktop、IDE 等。
  • MCP Clients: 服务调用的客户端,通常会被集成到 Host 中执行 list_tools、call_tool 等操作。
  • MCP Servers: 服务调用的服务端,通常在此定义 tools、prompts、resources 等。
  • Local Data Sources: 本地数据。
  • Remote Services: 远端服务。

ps:写了个 mcp demo,就想让 LLM 告诉我,今天天气到底如何?

image.png

mcp = FastMCP("Demo")
@mcp.tool(
    name="get_current_time",
    description="获取当前时间",
)
def get_current_time():
    """
       获取当前时间并进行格式化展示
       :return:
    """
    now = datetime.datetime.now()
    formatted_time = now.strftime("%Y-%m-%d %H:%M:%S")
    return formatted_time
@mcp.tool(
    name="get_location",
    description="获取当前地点",
)
def get_location():
    """
       获取当前地点
       :return:
    """
    try:
        response = requests.get("http://ip-api.com/json/")
        data = response.json()
        if data["status"] == "success":
            location_info = {
                "country": data.get("country", ""),
                "region": data.get("regionName", ""),
                "city": data.get("city", "")
            }
            return json.dumps(location_info, ensure_ascii=False)
        else:
            return json.dumps({"error": "无法获取地理位置"}, ensure_ascii=False)
    except Exception as e:
        return json.dumps({"error": str(e)}, ensure_ascii=False)

AI 搜索怎么玩 MCP

场景一:文件解析与总结

描述:通过阿里云 AI 搜索开放平台集成 MCP,快速调用文件解析工具,降低开发门槛。

  1. 前置准备:
  1. 注册阿里云 AI 搜索开放平台,获取 API 密钥
  2. VSCODE 配置 Cline 工具,集成阿里云 MCP 服务器。

image.png

  1. Cline 配置 LLM 接口

API Provider 选择 OpenAI Compatible

Base URL设为 https://dashscope.aliyuncs.com/compatible-mode/v1

image.png

  1. 安装 UV,管理 Python 环境

curl -LsSf https://astral.sh/uv/install.sh | sh

或者

pip install uv

  1. Cline 配置 MCP Server
  1. 下载 alibabacloud-opensearch-mcp-server
  2. 配置mcp server
{
  "mcpServers": {
    "aisearch-mcp-server": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/aisearch-mcp-server",
        "run",
        "aisearch-mcp-server"
      ],
      "env": {
        "AISEARCH_API_KEY": "<AISEARCH_API_KEY>",
        "AISEARCH_ENDPOINT": "<AISEARCH_ENDPOINT>"
      }
    }
  }
}
  1. 任务演示

点击视频链接查看:https://cloud.video.taobao.com/vod/8hHQby8Tnh-A12hCClhhLYBk0Muv8aeNY53-EEdk_gM.mp4


  1. 业务价值
  • 降低接入成本:通过阿里云标准化接口快速集成搜索服务。
  • 灵活扩展:支持以 AI 搜索为核心丰富的模型服务,可满足多样化的业务需求,加速产品迭代

立即体验阿里云 AI 搜索开放平台


场景二:向量检索及排序

描述:结合 OpenSearch 向量检索版,支持动态扩展与精准查询,优化成本。

  1. 前置准备

  (新增)开通 Opensearch向量检索版,构建一张向量表。

  (其他)同场景一

  1. Cline 配置 MCP Server
  1. 下载 alibabacloud-opensearch-mcp-server
  2. 配置mcp server
{
  "mcpServers": {
    "aisearch-mcp-server": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/aisearch-mcp-server",
        "run",
        "aisearch-mcp-server"
      ],
      "env": {
        "AISEARCH_API_KEY": "<AISEARCH_API_KEY>",
        "AISEARCH_ENDPOINT": "<AISEARCH_ENDPOINT>"
      }
    },
    "opensearch-vector-mcp-server": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/opensearch-vector-mcp-server",
        "run",
        "opensearch-vector-mcp-server"
      ],
      "env": {
        "OPENSEARCH_VECTOR_ENDPOINT": "http://ha-cn-***.public.ha.aliyuncs.com",
        "OPENSEARCH_VECTOR_USERNAME": "<username>",
        "OPENSEARCH_VECTOR_PASSWORD": "<password>",
        "OPENSEARCH_VECTOR_INSTANCE_ID": "ha-cn-***",
        "OPENSEARCH_VECTOR_INDEX_NAME": "<Optional: index in vector table>",
        "AISEARCH_API_KEY": "<Optional: AISEARCH_API_KEY for embedding>",
        "AISEARCH_ENDPOINT": "<Optional: AISEARCH_ENDPOINT for embedding>"
      }
    }
  }
}
  1. 任务演示

点击视频链接查看:https://cloud.video.taobao.com/vod/_PJdJXQUhzL1bkUOjwUv8wTEXPTWjEYKJSqa11tVUXI.mp4


  1. 业务价值
  • 精准检索:结合阿里云向量数据库,支持动态扩展和无缝集成。
  • 成本优化:按需付费模式,降低向量检索的计算成本。

立即体验阿里云OpenSearch向量检索


场景三:Elasticsearch 智能检索

描述:集成阿里云 ES 服务,实现高效实时数据分析与容灾保障。

  1. 前置准备

  (新增)开通 Elasticsearch,创建一份索引并写入测试数据

  (其他)同场景一

  1. Cline 配置 MCP Server
  1. 参考 elasticsearch-mcp-server
  2. 配置 mcp server
{
  "mcpServers": {
    "elasticsearch-mcp-server": {
      "command": "npx",
      "args": [
        "-y",
        "@elastic/mcp-server-elasticsearch"
      ],
      "env": {
        "ES_URL": "http://es-cn-***.public.elasticsearch.aliyuncs.com:9200",
        "ES_USERNAME": "<USERNAME>",
        "ES_PASSWORD": "<PASSWORD>"
      }
    }
  }
}
  1. 任务演示

点击视频链接查看:https://cloud.video.taobao.com/vod/xNj2AziCFYkUR_jDiTS2YqRpPDW9ziJopvRLfwLuFSs.mp4

  1. 业务价值
  • 实时分析:支持全文搜索、复杂查询及实时数据分析。
  • 高可靠性:阿里云 ElasticSearch 提供多副本容灾,保障数据安全。

立即体验阿里云Elasticsearch

为什么选择阿里云 MCP 解决方案?

选择阿里云 MCP 解决方案的核心原因在于其通过标准化协议与全生命周期服务,显著降低工具链集成复杂度并加速AI应用落地。阿里云 MCP 以协议驱动替代传统硬编码模式,实现跨平台工具调用:

  • AI 搜索开放平台:提供丰富的 AI 搜索组件化服务服务,调用多模态数据解析、大语言模型、效果测评等数十个服务,实现智能搜索、检索增强生成(RAG)、多模态搜索等场景的搭建,例如:智能客服对话式搜索图谱增强个性化推荐等。
  • OpenSearch:内置了各行业的查询语义理解、机器学习排序算法等能力,并充分开放了文本向量检索引擎能力,助力开发者快速搭建智能搜索服务。通过 AI 搜索开放平台,用户可以灵活调用多模态数据解析、文档切分、文本向量、大模型文本生成等组件化服务,满足多种搜索场景需求,例如:电商、内容资讯、游戏、金融等多种行业场景。
  • 阿里云 Elasticsearch:可以快速地、近乎于准实时地存储、查询和分析超大数据集,广泛应用于实时日志处理、信息检索、数据的多维查询和统计分析等场景,如:智能客服、企业内部知识库、电商导购、数据服务等。

通过 MCP 协议,可快速调用阿里云 OpenSearch 、ElasticSearch 等工具,帮助企业快速集成工具链、降低开发复杂度、提升业务效率。

更多资讯

相关实践学习
以电商场景为例搭建AI语义搜索应用
本实验旨在通过阿里云Elasticsearch结合阿里云搜索开发工作台AI模型服务,构建一个高效、精准的语义搜索系统,模拟电商场景,深入理解AI搜索技术原理并掌握其实现过程。
ElasticSearch 最新快速入门教程
本课程由千锋教育提供。全文搜索的需求非常大。而开源的解决办法Elasricsearch(Elastic)就是一个非常好的工具。目前是全文搜索引擎的首选。本系列教程由浅入深讲解了在CentOS7系统下如何搭建ElasticSearch,如何使用Kibana实现各种方式的搜索并详细分析了搜索的原理,最后讲解了在Java应用中如何集成ElasticSearch并实现搜索。 &nbsp;
相关文章
|
5月前
|
人工智能 供应链 安全
MCP Server的五种主流架构与Nacos的选择
本文深入探讨了Model Context Protocol (MCP) 在企业级环境中的部署与管理挑战,详细解析了五种主流MCP架构模式(直连远程、代理连接远程、直连本地、本地代理连接本地、混合模式)的优缺点及适用场景,并结合Nacos服务治理框架,提供了实用的企业级MCP部署指南。通过Nacos MCP Router,实现MCP服务的统一管理和智能路由,助力金融、互联网、制造等行业根据数据安全、性能需求和扩展性要求选择合适架构。文章还展望了MCP在企业落地的关键方向,包括中心化注册、软件供应链控制和安全访问等完整解决方案。
2589 152
MCP Server的五种主流架构与Nacos的选择
|
4月前
|
人工智能 API 定位技术
MCP全方位扫盲
MCP(Model Context Protocol)是由Anthropic提出的协议,旨在标准化大模型与外部数据源和工具的通信方式。其核心架构包括MCP Client(客户端)和MCP Server(服务端),通过标准化接口实现解耦,支持不同LLM无缝调用工具。相比传统方法,MCP简化了Prompt工程,减少定制代码,提升复用性。实际场景中,如天气查询或支付处理,MCP可智能调用对应工具,优化用户体验。MCP的核心价值在于标准化通信、统一工具描述及动态兼容性,成为大模型与外部服务的智能桥梁。
|
3月前
|
人工智能 自然语言处理 搜索推荐
AI 搜索 MCP 最佳实践
本文介绍了如何通过 MCP 协议,快速调用阿里云 OpenSearch 、ElasticSearch 等工具,帮助企业快速集成工具链、降低开发复杂度、提升业务效率。
160 1
|
6月前
|
人工智能 自然语言处理 运维
Bolt.diy 一键部署,“一句话”实现全栈开发
Bolt.diy 是 Bolt.new 的开源版本,提供更高灵活性与可定制性。通过自然语言交互简化开发流程,支持全栈开发及二次开发,使零基础开发者也能实现从创意到云端部署的完整链路。本方案基于阿里云函数计算 FC 搭建,集成百炼模型服务,快速完成云端部署。用户可通过对话开启首个项目,两步完成部署并获300社区积分。方案优势包括多模型适配、高度定制化、全栈开发支持及智能化辅助工具,助力高效开发与创新。
723 103
|
4月前
|
存储 运维 Java
官宣 | Fluss 0.7 发布公告:稳定性与架构升级
Fluss 0.7 版本正式发布!历经 3 个月开发,完成 250+ 次代码提交,聚焦稳定性、架构升级、性能优化与安全性。新增湖流一体弹性无状态服务、流式分区裁剪功能,大幅提升系统可靠性和查询效率。同时推出 Fluss Java Client 和 DataStream Connector,支持企业级安全认证与鉴权机制。未来将在 Apache 孵化器中继续迭代,探索多模态数据场景,欢迎开发者加入共建!
286 8
官宣 | Fluss 0.7 发布公告:稳定性与架构升级
|
3月前
|
人工智能 自然语言处理 搜索推荐
从理论到应用:AI搜索MCP的最佳实践案例解析
本文深入探讨了如何通过 MCP 协议让大语言模型(LLM)高效调用外部工具,并结合多个实际场景展示了 MCP 在 AI 应用中的价值和未来潜力。
|
5月前
|
人工智能 安全 应用服务中间件
阿里巴巴 MCP 分布式落地实践:快速转换 HSF 到 MCP server
本文分享了阿里巴巴内部将大规模HSF服务快速转换为MCP Server的实践经验,通过Higress网关实现MCP协议卸载,无需修改代码即可接入MCP生态。文章分析了MCP生态面临的挑战,如协议快速迭代和SDK不稳定性,并详细介绍了操作步骤及组件功能。强调MCP虽非终极解决方案,但作为AI业务工程化的起点具有重要意义。最后总结指出,MCP只是AI原生应用发展的第一步,未来还有更多可能性值得探索。
1042 48
|
3月前
|
SQL JSON 分布式计算
Spark SQL架构及高级用法
Spark SQL基于Catalyst优化器与Tungsten引擎,提供高效的数据处理能力。其架构涵盖SQL解析、逻辑计划优化、物理计划生成及分布式执行,支持复杂数据类型、窗口函数与多样化聚合操作,结合自适应查询与代码生成技术,实现高性能大数据分析。