
Connectez Milvus Open Source Vector Database à votre IA
Configurez-le une fois et il fonctionne avec ChatGPT, Claude, Cursor et n'importe quel autre client que vous aimez. Tout s'exécute en toute sécurité en arrière-plan, pour que vous puissiez vous détendre et vous concentrer sur l'essentiel. Pilotez vos recherches sémantiques et vos données par simple dialogue.
Développé, maintenu et hébergé par Vinkius.
MCP VÉRIFIÉ · PRÊT POUR LA PRODUCTION · GARANTIE VINKIUS
Waiting for input…
Works with modern AI clients that support MCP, including ChatGPT, Claude, Cursor, and more.
Votre IA fait le travail. Nous veillons dessus, en toute sécurité.
Aucun autre outil d'IA ne vous offre ça. Votre workflow s'exécute dans le client que vous aimez déjà, votre compte reste protégé, et vous décidez ce que l'agent peut ou ne peut pas faire. C'est la vraie raison de faire le pas.
Chaque Connector vit dans notre infrastructure, là où votre workflow s'exécute. Les trois choses ci-dessous en font déjà partie et travaillent discrètement en arrière-plan pour que vous n'ayez jamais à y penser. Rien à ajouter, rien à configurer, aucune inquiétude à avoir.

Chaque Connector s'exécute dans son propre environnement scellé.
Chaque Connector s'exécute dans son propre runtime V8 scellé, sans accès à vos fichiers, à votre système ni aux autres serveurs. Un Connector ne voit jamais au-delà de sa propre requête.
Un seul interrupteur arrête tous les agents. Immédiatement.
Une seule action désactive tous les Connectors, révoque tous les tokens et termine toutes les sessions d'un coup. La Gouvernance de l'IA conserve le registre.
Des limites de dépense qui s'interrompent au lieu de surprendre.
Chaque utilisateur garde ses propres connexions et identifiants, isolés de ceux des autres. Ce qui dépasserait votre limite de dépense est stoppé et mis en attente de votre approbation, pas facturé.
Trois contrôles, intégrés à la couche par laquelle votre IA se connecte.
Sélection · 7 capacités
Nous ne livrons que les actions qui comptent.
01-04
4 capacités dans cet ensemble.
Sur 7 disponibles via Milvus.
- 01
Lister les collections
Récupère la liste de toutes les collections d'index suivies dans la base de données Milvus.
- 02
Décrire une collection
Explore le schéma détaillé et les définitions d'indexation d'une collection Milvus spécifique.
- 03
Récupérer des entités
Extrait des éléments vectoriels précis en utilisant leurs clés primaires.
- 04
Supprimer des entités
Supprime de manière irréversible des enregistrements vectoriels via leurs clés primaires.
05-07
3 capacités dans cet ensemble.
Sur 7 disponibles via Milvus.
- 05
Obtenir les statistiques
Consulte les statistiques de la collection, notamment le nombre de lignes enregistrées.
- 06
Interroger des entités
Effectue des recherches ciblées en utilisant des expressions scalaires pour filtrer les données.
- 07
Rechercher des vecteurs
Exécute des recherches de plus proches voisins (ANN) à partir de vecteurs d'embeddings fournis.
Travail réel
Ce que les équipes font tourner
Embedding Debugging
Quickly check if your vector dimensions match your expected model output.
Database Auditing
Verify the schema and index types of your collections during development.
Data Maintenance
Clean up old or incorrect vector records using primary key deletions.
Retrieval Testing
Test how different scalar filters affect your similarity search results.
Automatisez une tâche
Mettez Milvus au travail sur une chose.
Des automatisations étape par étape que votre IA exécute via ce Connector : le flux, les prompts pour démarrer et les capabilities exactes derrière chaque étape.
Un connector, toutes les IAs
Milvus fonctionne avec les clients IA les plus populaires.
Voici les clients les plus populaires, chacun avec un guide pas à pas : un lien, configuré une fois, avec gouvernance et visibilité intégrées. Et comme tout tourne sur le standard MCP, la même connexion fonctionne aussi dans tout autre client compatible : rien à reconstruire.
Claude
ChatGPT
Gemini
Perplexity
Grok
Microsoft Copilot
Cursor
VS Code
Windsurf
JetBrains
Cline
LangChain
Vercel AI SDK
Lovable
Z.ai
Raycast
Qwen Code
Kimi Code
Le ChatVous construisez votre propre app ? Le connector est à vous.
Vous n'avez pas besoin d'un client pour mettre Milvus au travail : la même connexion hébergée se branche sur vos propres applications et le code de votre agent, avec la même gouvernance à chaque requête. Construisez avec lui, discutez avec lui : une connexion pour les deux.
Observée, pas estimée
Moyenne de 926 ms. Rapide en production.
Milvus est vérifié quotidiennement contre le service en production.
- Jour le plus rapide
- 689ms
- Jour le plus lent
- 1112ms
- Tendance sur 14 jours
- En amélioration-13%
Connectez votre client
Une URL. Tous les clients.
Activez le Connector, copiez votre lien et collez-le dans le client que vous utilisez déjà. 7 capacités arrivent prêtes à l'emploi.
Accès aperçu · pas d’authentification du fournisseur
Le jeton vk_preview_* appartient à l’infrastructure d’aperçu de Vinkius. Il permet à Claude de découvrir et d’afficher les capacités de Milvus, pour que vous voyiez l’expérience dans votre IA.
Il n’authentifie pas votre compte auprès de Milvus. Les actions nécessitant des identifiants ou des données de compte réelles peuvent ne pas s’exécuter tant que vous n’avez pas activé le Connector et autorisé le service.
Milvus Connector
Tout est prêt. Choisissez votre client MCP et suivez les instructions de configuration.
https://edge.vinkius.com/vk_preview_xJCavC8CNaxFuBWU15XnlYyQ3g4Cn853dcyYbM82/mcpClaude Desktop
Suivez les étapes ci-dessous pour vous connecter en quelques secondes.
- 1In Claude Desktop, open Settings → Connectors.
- 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
- 3Click Add and start a new chat — Milvus capabilities are ready to use.
{
"mcpServers": {
"milvus-open-source-vector-database-mcp": {
"url": "https://edge.vinkius.com/vk_preview_xJCavC8CNaxFuBWU15XnlYyQ3g4Cn853dcyYbM82/mcp"
}
}
}
Claude
ChatGPT
Cursor
VS Code
Windsurf
Claude Code
JetBrains
Cline
Les instructions pas à pas pour chaque client sont dans le guide. Comment connecter
Configuration guidée pour Claude ? Configurer Milvus avec Claude et les autres IA
Voyez tous les clients IA avec lesquels ce connector fonctionne ↑
Pour qui
Conçu pour le travail que les utilisateurs de Milvus délèguent.
Ce connecteur est conçu pour les professionnels de la donnée qui souhaitent interagir avec leurs bases vectorielles sans quitter leur environnement de développement.
- 01
Ingénieurs ML
Pour tester la pertinence des vecteurs et vérifier les dimensions des embeddings par simple dialogue.
- 02
Architectes de recherche
Pour auditer les schémas de collections et surveiller les performances d'indexation en temps réel.
- 03
Développeurs Logiciels
Pour intégrer la récupération de données par IA dans des applications et gérer le cycle de vie des vecteurs.
FAQ
Les questions des utilisateurs de Milvus.
- 01
How do I connect my Zilliz Cloud account?
You simply enter your Zilliz Cloud Token in the configuration settings after subscribing to the MCP.
- 02
Can I use this with my local Milvus instance?
Yes, just provide the Base URL for your local instance during the setup process.
- 03
What clients are compatible with this MCP?
This MCP works with any compatible client, including Claude, Cursor, Windsurf, and VS Code.
- 04
Does this MCP support scalar filtering?
Yes, you can use the query_entities capability to filter data using structured scalar expressions.
- 05
Is the data deletion permanent?
Yes, using the delete_entities capability to remove records via primary keys is an irreversible action.
- 06
How do I perform an ANN search through my agent?
Use the search_vectors capability by providing the collection name and a JSON float array matching the collection's dimensions. Your agent will perform an Approximate Nearest Neighbor search and return the most semantically relevant entities.
- 07
Can I filter results using structured fields instead of just vectors?
Yes. Use the query_entities capability with a Milvus-style filter expression. This allows you to retrieve entities based on primary keys, tags, or other scalar fields without necessarily performing a vector similarity search.
- 08
How do I check the schema and dimension requirements for a Milvus collection?
The describe_collection capability retrieves the complete schema mapping. Your agent will report the required vector dimensions, index types, and primary key names, helping you ensure your search queries are compatible with the database logic.
Explorer
Plus dans Loved By Devs
MongoDB Atlas Vector Search Connecteur IA
Manage vector storage via MongoDB Atlas — perform similarity searches, query MQL documents, and audit collecti
VoirDataStax Astra DB Vector Connecteur IA
Manage Astra DB collections, documents, and perform vector similarity searches via DataStax directly from your
VoirMarqo AI (Vector Search & Embeddings) Connecteur IA
Manage semantic search via Marqo — execute tensor queries, index JSON documents, and audit vector indices.
Voirpgvector (Vector Database) Connecteur IA
Run vector similarity searches, manage embedding tables, and build AI-powered retrieval pipelines — all direct
Voir
Suggestions
Qdrant Connecteur IA
Empower your AI to interact directly with your Qdrant vector database — query clusters, perform similarity sea
VoirData Pipeline Prover Connecteur IA
A data team asked an AI to build an ETL pipeline. No schema contract. No idempotency. No freshness SLA. The pi
VoirOracle Vector DB Connecteur IA
Run vector similarity searches on Oracle 23ai — execute VECTOR_DISTANCE queries, inspect schemas, list vector
VoirChroma (Vector DB) Connecteur IA
Manage vector embeddings via Chroma — list collections, query embeddings, and audit document counts directly f
Voir
Connectez Milvus à Claude, Cursor, ChatGPT et d'autres
