作者：来自 Elastic Jedr Blaszyk 及 Joe McElroy
让我们使用 Model Context Protocol 服务器 与 你的 数据 在 Elasticsearch 中聊天。
如果与你的数据交互像与同事聊天一样轻松，会怎样？想象一下，你只需简单地问：“显示上个月所有超过 $500 的订单” 或 “哪些产品获得最多的 5 星评价？”就能立即获得准确答案，无需查询。
模型上下文协议（Model Context Protocol - MCP）让这一切成为可能。它无缝连接对话式 AI 与你的数据库和外部 API，将复杂请求转换为自然对话。现代 LLM 在理解语言方面表现出色，但当它们与现实世界系统集成时，其真正潜力才能得到释放。MCP 架起了它们之间的桥梁，使数据交互更直观、更高效。
在本篇文章中，我们将探讨：
MCP 架构 —— 它如何在底层运行
连接 Elasticsearch 的 MCP 服务器的优势
令人兴奋的时代来了！MCP 与你的 Elastic 技术栈集成，使你与信息的交互方式焕然一新，让复杂查询像日常对话一样直观。
模型上下文协议
模型上下文协议（MCP）由 Anthropic 开发，是一种开放标准，通过安全的双向通道将 AI 模型连接到外部数据源。它解决了 AI 的一大限制：在保持对话上下文的同时，实现对外部系统的实时访问。
MCP 架构
模型上下文协议的架构由两个关键组件组成：
MCP 客户端 – 代表用户请求信息或执行任务的 AI 助手和聊天机器人。
MCP 服务器 – 负责检索相关信息或执行请求操作（例如调用外部 API）的数据存储库、搜索引擎和 API。
MCP 服务器向客户端提供两项主要功能：
资源（Resources） - 结构化数据、文档和内容，可用于 LLM 交互的上下文。这使得 AI 助手能够访问数据库、搜索索引或其他来源的相关信息。
工具（Tools） - 可执行函数，使 LLM 能够与外部系统交互、执行计算或采取现实世界的操作。这些工具扩展了 AI 的能力，不仅限于文本生成，还可以触发工作流、调用 API 或动态操作数据。
提示（Prompts） - 可复用的提示模板和工作流，用于标准化和共享常见的 LLM 交互。
采样（Sampling） - 通过客户端请求 LLM 补全，以实现复杂的自主智能行为，同时保持安全性和隐私性。
MCP 服务器 + Elasticsearch
传统的检索增强生成（RAG）系统根据用户查询检索文档，而 MCP 更进一步：它使 AI 代理能够实时动态构建和执行任务。用户可以使用自然语言提问，例如：
“显示上个月所有超过 $500 的订单。”
“哪些产品获得最多的 5 星评价？”
并立即获得精准答案，无需编写任何查询语句。
MCP 通过以下方式实现这一目标：
动态工具选择 – 代理根据用户意图智能选择 MCP 服务器提供的合适工具。“更智能” 的 LLM 能够基于上下文选择合适的工具和参数。
双向通信 – 代理与数据源流畅交互，按需优化查询（例如，先查找索引映射，再构造 Elasticsearch 查询）。
多工具编排 – 工作流可同时利用多个 MCP 服务器的工具。
持久上下文 – 代理记住先前的交互，在对话中保持连续性。
连接到 Elasticsearch 的 MCP 服务器解锁了强大的实时检索架构。AI 代理可以按需探索、查询和分析 Elasticsearch 数据，使你的数据可通过简单的聊天界面进行搜索。
MCP 不仅限于数据检索，还能执行操作。它与其他工具集成，以触发工作流、自动化流程，并将洞察结果输入分析系统。通过将搜索与执行分离，MCP 使 AI 驱动的应用程序更加灵活、始终保持最新，并无缝集成到自主智能工作流中。
动手实践：通过 MCP 服务器与 Elasticsearch 数据聊天
要通过 MCP 服务器与 Elasticsearch 交互，我们至少需要具备以下功能：
检索索引
获取映射
使用 Elasticsearch 的查询 DSL 执行搜索
我们的服务器是用 TypeScript 编写的，并且我们将使用官方的 MCP TypeScript SDK。为了设置，我们建议安装 Claude 桌面应用程序（免费版即可），因为它包括内置的 MCP 客户端。我们的 MCP 服务器本质上通过 MCP 工具暴露了官方的 JavaScript Elasticsearch 客户端。
让我们首先定义 Elasticsearch 客户端和 MCP 服务器：
const esClient = new Client({
node: url,
auth: {
apiKey: apiKey,
},
});
const server = new McpServer({
name: "elasticsearch-mcp-server",
version: "0.1.0",
});我们将使用以下 MCP 服务器工具与 Elasticsearch 交互：
列出索引（list_indices）：此工具检索所有可用的 Elasticsearch 索引，提供如索引名称、健康状态和文档计数等详细信息。
获取映射（get_mappings）：此工具获取指定 Elasticsearch 索引的字段映射，帮助用户了解存储文档的结构和数据类型。
搜索（search）：此工具使用提供的查询 DSL 执行 Elasticsearch 搜索。它会自动启用文本字段的高亮显示，方便识别相关的搜索结果。
完整的 Elasticsearch MCP 服务器实现可以在 elastic/mcp-server-elasticsearch 仓库中找到。
与你的索引对话
让我们探索如何设置 Elasticsearch MCP 服务器，以便你可以用自然语言提问关于数据的问题，例如：“查找上个月所有超过 $500 的订单。”
配置 Claude 桌面应用程序
打开 Claude 桌面应用程序
转到 设置 > 开发者 > MCP 服务器（Settings > Developer > MCP Servers）
点击 “Edit Config” 并将以下配置添加到你的
claude_desktop_config.json：
{
"mcpServers": {
"Elasticsearch MCP Server": {
"command": "npx",
"args": [
"-y",
"@elastic/mcp-server-elasticsearch"
],
"env": {
"ES_URL": "",
"ES_API_KEY": ""
}
}
}
}注意：此设置使用了由 Elastic 发布的 @elastic/mcp-server-elasticsearch npm 包。如果你想在本地开发，可以在这里找到更多关于启动 Elasticsearch MCP 服务器的详细信息。
填充你的 Elasticsearch 索引
- 你可以使用我们的示例数据填充 "orders" 索引用于本次演示
- 这将允许你尝试像 “Find all orders over $500 from last month” 这样的查询
开始使用
打开 Claude 桌面应用程序中的新对话
MCP 服务器将自动连接
开始提问关于你 Elasticsearch 数据的问题！
查看这个演示，看看使用自然语言查询 Elasticsearch 数据有多简单：
MCP server 展示
它是如何工作的？
当被问到 “Find all orders over $500 from last month”时，LLM 会识别出意图是用指定的约束条件搜索 Elasticsearch 索引。为了执行有效的搜索，代理会这样操作：
确定索引名称：
orders理解
orders索引的映射构建与索引映射兼容的查询 DSL，并最终执行搜索请求
这种交互可以表示为：
结论
模型上下文协议（MCP）增强了你与 Elasticsearch 数据的交互方式，使你能够进行自然语言对话，而不是复杂的查询。通过将 AI 能力与你的数据连接，MCP 创建了一个更加直观和高效的工作流，并在整个交互过程中保持上下文。
Elasticsearch MCP 服务器作为一个公开的 npm 包（@elastic/mcp-server-elasticsearch）提供，便于开发者进行集成。只需少量设置，你的团队就可以开始通过简单的对话探索数据、触发工作流并获得洞察。
准备好亲自体验了吗？今天就尝试 Elasticsearch MCP 服务器，开始与你的数据对话吧。
想获得 Elastic 认证吗？查看下一期 Elasticsearch 工程师培训的时间！
Elasticsearch 拥有众多新功能，帮助你为特定用例构建最佳搜索解决方案。深入了解我们的示例笔记本，开始免费的云试用，或立即在本地机器上尝试 Elastic。
原文：Connect Agents to Elasticsearch with Model Context Protocol - Elasticsearch Labs