使用说明

项目简介

Weaviate MCP Server 是一个 MCP (Model Context Protocol) 服务器的实现，旨在为大型语言模型 (LLM) 客户端提供结构化的上下文信息服务。它集成了 Weaviate 向量数据库，允许 LLM 客户端通过标准化的 MCP 协议，利用 Weaviate 的能力进行知识库检索和记忆管理。该服务器主要提供工具 (Tools) 功能，使 LLM 能够调用预定义的功能来与 Weaviate 数据库交互，从而扩展 LLM 的能力边界。

主要功能点

知识库搜索: LLM 可以使用 'weaviate-search-knowledge' 工具在预先配置的 Weaviate 知识库中检索相关信息，获取外部知识。
记忆存储与检索: LLM 可以使用 'weaviate-store-memory' 工具存储对话过程中的重要信息作为记忆，并使用 'weaviate-find-memories' 工具检索这些记忆，实现上下文记忆功能。
工具化接口: 通过 MCP 协议提供的工具 (Tools) 机制，以标准化的方式暴露 Weaviate 的功能，方便 LLM 客户端集成和调用。
易于配置: 通过命令行参数和环境变量进行配置，方便用户根据自身 Weaviate 环境进行部署。

安装步骤

前提条件: 确保已安装 uv。

克隆仓库:

git clone https://github.com/weaviate/mcp-server-weaviate
cd mcp-server-weaviate

安装依赖: 建议使用 'uv' 安装依赖，虽然仓库中没有 'requirements.txt' 文件，但根据代码依赖，您可能需要安装 'mcp-server-sdk', 'weaviate-client', 'click' 等库。可以尝试使用 'uv pip install mcp-server-sdk weaviate-client click' 命令安装，或根据错误提示安装缺少的库。也可以参考仓库 README 中提到的 Smithery 安装方式。

服务器配置

MCP 服务器需要配置在 MCP 客户端中才能使用。以 Claude Desktop 为例，您需要在 'claude_desktop_config.json' 文件中添加服务器配置信息。以下是一个配置示例，请根据您的实际情况修改参数值：

{
  "mcpServers": {
    "weaviate-mcp": {  //  服务器名称，在客户端中用于标识和选择
      "command": "python",  //  启动服务器的命令，假设使用 Python 运行 server.py
      "args": [  //  启动命令的参数列表
        "-m",
        "src.server",  //  运行 src 目录下的 server.py 模块
        "--weaviate-url",
        "YOUR_WEAVIATE_URL",  //  您的 Weaviate 服务器 URL，例如：http://localhost:8080
        "--weaviate-api-key",
        "YOUR_WEAVIATE_API_KEY",  //  您的 Weaviate API 密钥
        "--search-collection-name",
        "YOUR_SEARCH_COLLECTION_NAME",  //  用于知识库搜索的 Weaviate 集合名称，例如：knowledge_base
        "--store-collection-name",
        "YOUR_STORE_COLLECTION_NAME",  //  用于记忆存储的 Weaviate 集合名称，例如：user_memories
        "--openai-api-key",
        "YOUR_OPENAI_API_KEY"  //  OpenAI API 密钥 (用于向量化，如果使用 OpenAI 向量化)
      ],
      "env": {
        "PYTHONPATH": "PATH_TO_MCP_SERVER_WEAVIATE_DIRECTORY"  //  指向仓库根目录的路径，确保 Python 可以找到 src 模块
      }
    }
  }
}

配置参数说明:

'"weaviate-mcp"': 服务器的名称，可以自定义，客户端会使用此名称来引用该服务器。
'"command": "python"': 指定用于启动服务器的命令，这里假设您使用 Python 运行 'src/server.py'。
'"args"': 启动命令的参数列表，包括：
- '"-m", "src.server"': 以模块方式运行 'src/server.py' 文件。
- '--weaviate-url': Weaviate 服务器的 URL。
- '--weaviate-api-key': 用于连接 Weaviate 服务器的 API 密钥。
- '--search-collection-name': 用于知识库搜索的 Weaviate 集合名称。
- '--store-collection-name': 用于记忆存储的 Weaviate 集合名称。
- '--openai-api-key': OpenAI API 密钥，用于文本向量化 (embeddings)。如果使用 Cohere 进行向量化，请使用 '--cohere-api-key' 参数。
'"env"': 环境变量设置。
- '"PYTHONPATH"': 需要设置为仓库的根目录，确保 Python 可以找到 'src' 目录下的模块。'PATH_TO_MCP_SERVER_WEAVIATE_DIRECTORY' 需要替换为实际的仓库路径。

请务必将示例配置中的占位符 (例如 'YOUR_WEAVIATE_URL', 'YOUR_WEAVIATE_API_KEY' 等) 替换为您的实际配置信息。

基本使用方法

配置完成后，在支持 MCP 协议的 LLM 客户端中选择您配置的服务器名称 ("weaviate-mcp" 或您自定义的名称)。客户端将可以通过以下工具与 Weaviate MCP Server 交互：

'weaviate-store-memory': 用于指示 LLM 存储信息到 Weaviate 记忆库。
'weaviate-find-memories': 用于指示 LLM 从 Weaviate 记忆库中检索相关记忆。
'weaviate-search-knowledge': 用于指示 LLM 在 Weaviate 知识库中搜索信息。

具体工具的调用和使用方式取决于 LLM 客户端的实现和用户交互方式。

关键词