引言
想象一下：你只需要用自然语言描述你的需求，AI 就能自动帮你完成数据库操作 —— 创建文档集合、插入数据、执行复杂查询，甚至构建一个完整的知识库应用。这不是未来，而是现在就能实现的能力。
seekdb MCP Server 就是实现这一愿景的桥梁。它基于 Anthropic 提出的 MCP（Model Context Protocol）协议，让 AI 助手能够直接与 seekdb 数据库交互，将 "自然语言" 转化为 "数据库操作"。
本文将带你上手 seekdb MCP Server，并通过一个实战案例 —— 通过自然语言构建 AI 应用，让你亲身体验 AI 原生数据库的魅力。
欢迎大家关注，在这里，我们会持续为大家更新与 #数据库、#AI 相关的技术内容！
什么是 seekdb MCP Server？
seekdb 是一款 AI 原生搜索数据库，在统一架构下融合了关系数据、向量数据、全文索引、JSON 和 GIS 能力，支持混合检索和库内 AI 工作流。
MCP Server 则是连接 AI 工具与数据库的"适配器"。通过 MCP 协议，Cursor、Claude Code、Cline 等 AI 工具可以直接访问和操作 seekdb 数据库。
核心能力一览
| 能力分类 | 工具列表 | 功能说明 |
|---|
| 向量集合管理 | create_collection、query_collection、add_data_to_collection 等 | 创建向量集合、语义搜索、文档管理 |
| 高级搜索 | full_text_search、hybrid_search | 全文搜索、混合搜索（BM25 + 向量） |
| AI 函数 | ai_complete、ai_rerank、create_ai_model 等 | 调用 LLM 生成文本、重排序搜索结果 |
| AI 记忆系统 | seekdb_memory_query、seekdb_memory_insert 等 | 跨会话持久化记忆，让 AI "记住"你 |
| 数据导入导出 | import_csv_file_to_seekdb、export_csv_file_from_seekdb | CSV 文件与数据库表/向量集合互转 |
安装 seekdb 数据库
在使用 seekdb MCP Server 之前，你需要先准备好 seekdb 数据库。seekdb 提供两种部署模式：
模式一：嵌入式模式（零配置，仅限 Linux）
嵌入式模式无需单独安装 seekdb 数据库！seekdb MCP Server 启动时会自动初始化一个本地嵌入式数据库，开箱即用。
适用场景：个人学习、快速原型开发、边缘设备运行。
⚠️ 提示：
macOS 和 Windows 用户需要使用「客户端 / 服务器模式」，需要先部署 seekdb 数据库（推荐 Docker 方式），然后配置连接参数。
模式二：客户端/服务器模式（生产推荐）
如果你需要在测试或生产环境部署 seekdb，可以选择以下方式：
方式 1：使用 yum 安装（RPM 系统）
# 1. 添加 seekdb 镜像源
sudo yum-config-manager --add-repo https://mirrors.aliyun.com/oceanbase/OceanBase.repo
# 2. 安装 seekdb 和客户端
sudo yum install seekdb obclient
# 3. 启动 seekdb
sudo systemctl start seekdb
# 4. 检查启动状态（状态为 "Service is ready" 表示启动成功）
sudo systemctl status seekdb
# 5. 连接测试
mysql -h127.0.0.1 -uroot -P2881 -A oceanbase
方式 2：使用 Docker（最快捷）
# 一行命令启动 seekdb
sudo docker run -d -p 2881:2881 oceanbase/seekdb
# 如果拉取失败，可使用备用镜像源：
# sudo docker run -d -p 2881:2881 quay.io/oceanbase/seekdb
# sudo docker run -d -p 2881:2881 ghcr.io/oceanbase/seekdb
系统要求：
- CPU：最低 1 核
- 内存：最低 2 GB 可用内存
- 支持的操作系统：CentOS 7/8、Ubuntu 20+、Debian 9+、Anolis OS 8、麒麟 V10 等
更多部署方式请参考 seekdb 部署文档[1]。
安装 seekdb MCP Server
安装 uv 包管理器
# 安装 uv 包管理器
curl -LsSf https://astral.sh/uv/install.sh | sh
配置 AI 工具连接
Stdio 模式
以 Cursor 为例在 Cursor 中，打开设置 → Tools & MCP → New MCP Server，根据你的操作系统选择配置方式：
Linux 用户（嵌入式模式）
{
"mcpServers": {
"seekdb": {
"command": "uvx",
"args": ["seekdb-mcp-server"]
}
}
}
就这么简单！嵌入式模式无需任何配置，服务器启动时会自动初始化一个本地 seekdb 数据库。
macOS / Windows 用户（服务器模式）
macOS 和 Windows 不支持嵌入式模式，需要先部署 seekdb 数据库（推荐使用 Docker），然后配置连接参数：
{
"mcpServers": {
"seekdb": {
"command": "uvx",
"args": ["seekdb-mcp-server"],
"env": {
"SEEKDB_HOST": "127.0.0.1",
"SEEKDB_PORT": "2881",
"SEEKDB_USER": "",
"SEEKDB_PASSWORD": "",
"SEEKDB_DATABASE": "test"
}
}
}
}
参数说明：
| 参数 | 说明 | 默认值 |
|---|
SEEKDB_HOST | seekdb 服务器地址 | 127.0.0.1 |
SEEKDB_PORT | seekdb 服务端口 | 2881 |
SEEKDB_USER | 数据库用户名 | 无 |
SEEKDB_PASSWORD | 数据库密码 | 无 |
SEEKDB_DATABASE | 数据库名称 | 无 |
SSE 模式
Linux 用户（嵌入式模式）
直接启动 SSE 服务器：
uvx seekdb-mcp-server --transport sse --port 6000
macOS / Windows 用户（服务器模式）
先配置环境变量，再启动服务器：
# 配置 seekdb 连接信息
export SEEKDB_HOST=127.0.0.1
export SEEKDB_PORT=2881
export SEEKDB_USER=
export SEEKDB_PASSWORD=
export SEEKDB_DATABASE=test
# 启动 SSE 服务器
uvx seekdb-mcp-server --transport sse --port 6000
然后在客户端配置：
{
"sse-seekdb": {
"type": "sse",
"url": "http://127.0.0.1:6000/sse"
}
}
实战案例：用 AI 对话构建个人笔记知识库
现在让我们通过一个完整的实战案例，体验 seekdb MCP Server 的强大能力。我们将构建一个个人笔记知识库，实现：
- ✅ 用自然语言存储笔记
- ✅ 语义搜索相关内容
- ✅ 混合搜索精准定位
- ✅ AI 智能问答
场景设定
假设你是一名技术工作者，平时会记录各种学习笔记、工作心得。现在你希望用 AI 帮你管理这些笔记，并能通过自然语言快速找到需要的内容。
第一步：创建笔记集合
在 AI 工具（如 Cursor）的对话框中输入：
创建一个名为 "my_notes" 的知识库集合
AI 响应示例：
我已成功创建名为 "my_notes" 的集合：
- 维度: 384（向量大小）
- 距离度量: L2（欧几里得距离）
就这样，一个支持语义搜索的向量集合就创建好了！
第二步：添加笔记内容
继续输入：
向 my_notes 中添加以下笔记：
1. "seekdb 支持向量搜索和全文搜索的混合检索，可以同时利用关键词匹配和语义理解"
2. "MCP 协议是 Anthropic 在 2024 年 11 月提出的开源协议，让大模型可以与外部工具交互"
3. "Python 的 asyncio 模块提供了异步编程能力，适合 I/O 密集型任务"
4. "Docker 容器化技术可以实现应用的快速部署和环境隔离"
5. "RAG（检索增强生成）是目前最流行的 AI 应用架构，结合检索和生成能力"
AI 响应示例：
完成！已成功向 "my_notes" 集合添加 5 条笔记：
| ID | 内容 |
|---|
| doc1 | seekdb 支持向量搜索和全文搜索的混合检索... |
| doc2 | MCP 协议是 Anthropic 在 2024 年 11 月提出的... |
| doc3 | Python 的 asyncio 模块提供了异步编程能力... |
| doc4 | Docker 容器化技术可以实现应用的快速部署... |
| doc5 | RAG（检索增强生成）是目前最流行的 AI 应用架构... |
第三步：语义搜索
现在，让我们用自然语言搜索笔记：
在 my_notes 中搜索与 "AI 应用开发" 相关的笔记
AI 响应示例：
以下是与 "AI 应用开发" 相关的笔记，按相关性排序：
| 排名 | 内容 | 相关度 |
|---|
| 1 | RAG（检索增强生成）是目前最流行的 AI 应用架构... | 最高 |
| 2 | MCP 协议是 Anthropic 在 2024 年 11 月提出的... | 高 |
| 3 | seekdb 支持向量搜索和全文搜索的混合检索... | 中 |
注意：我们搜索的是 "AI 应用开发"，但笔记中并没有这个确切的词。seekdb 的向量搜索能够理解语义相似性，自动找到相关内容！
第四步：混合搜索
混合搜索结合了关键词匹配和语义理解，效果更精准：
对 my_notes 执行混合搜索：
- 全文关键词："Python"
- 语义查询："异步编程和并发处理"
AI 响应示例：
| 排名 | 内容 |
|---|
| 1 | Python 的 asyncio 模块提供了异步编程能力，适合 I/O 密集型任务 |
| 2 | Docker 容器化技术可以实现应用的快速部署和环境隔离 |
混合搜索使用 RRF（倒数排名融合） 算法，综合关键词匹配（BM25）和向量相似度得分，排名结果更准确。
第五步：让 AI 记住你的偏好
seekdb MCP Server 还提供了 AI 记忆系统，让 AI 能够跨会话记住你的信息：
记住我是一名 Python 开发者，主要使用 seekdb 做向量搜索应用
AI 响应示例：
已记录！我会记住：
- 你是一名 Python 开发者
- 主要使用 seekdb 做向量搜索应用
下次对话时，你可以直接问：
根据我的技术背景，推荐一些学习资源
AI 会自动检索你的偏好，给出个性化推荐！
功能一览
向量集合管理
| 工具 | 功能 |
|---|
create_collection | 创建向量集合 |
list_collections | 列出所有集合 |
has_collection | 检查集合是否存在 |
peek_collection | 预览集合中的文档 |
add_data_to_collection | 添加文档（自动生成向量） |
update_collection | 更新文档 |
delete_documents | 删除文档 |
query_collection | 向量相似性搜索 |
delete_collection | 删除集合 |
高级搜索
| 工具 | 功能 |
|---|
full_text_search | 全文搜索（基于关键词） |
hybrid_search | 混合搜索（结合全文和向量搜索） |
AI 模型工具
| 工具 | 功能 |
|---|
create_ai_model | 注册 AI 模型（嵌入、文本生成或重排序） |
create_ai_model_endpoint | 创建将模型连接到 API 服务的端点 |
drop_ai_model | 移除已注册的 AI 模型 |
drop_ai_model_endpoint | 移除 AI 模型端点 |
ai_complete | 调用 LLM 进行文本生成 |
ai_rerank | 使用 AI 模型按相关性重排文档 |
get_registered_ai_models | 列出所有已注册的 AI 模型 |
get_ai_model_endpoints | 列出所有 AI 模型端点 |
AI 记忆系统
seekdb MCP Server 提供了强大的 AI 记忆功能，让 AI 助手能够跨会话记住信息：
| 工具 | 功能 |
|---|
seekdb_memory_query | 语义搜索记忆 |
seekdb_memory_insert | 存储新记忆 |
seekdb_memory_update | 更新记忆 |
seekdb_memory_delete | 删除记忆 |
使用场景：
- AI 记住你的技术栈偏好（如 "我习惯使用 Python"）
- AI 记住项目信息（如 "这个项目使用 FastAPI"）
- AI 记住个人偏好（如 "我喜欢简洁的代码风格"）
数据导入导出
| 工具 | 功能 |
|---|
import_csv_file_to_seekdb | 导入 CSV 文件 |
export_csv_file_from_seekdb | 导出数据到 CSV |
SQL 操作
| 工具 | 功能 |
|---|
execute_sql | 执行 SQL 查询 |
get_current_time | 获取数据库当前时间 |
更多工具探索
除了本文介绍的功能，seekdb MCP Server 还支持：
AI 函数调用
- 使用 AI 模型分析这段文本的情感倾向："今天天气真好，心情愉悦！"
CSV 数据导入
- 将 /path/to/products.csv 导入为向量集合，使用第 2 列（产品描述）作为文档
常见问题
Q: 需要安装 seekdb 吗？
A: 不需要！seekdb MCP Server 使用嵌入式模式，seekdb 已经包含在内，无需单独安装。
Q: 数据存储在哪里？
A: 数据存储在本地文件系统中，默认在当前用户家目录下。你的数据完全在本地，不会上传到任何云端。
Q: 支持哪些操作系统？
A: 目前支持 Linux（glibc >= 2.28），支持 x86_64 和 aarch64 架构。
Q: 如何升级？
A: 使用 uvx 时会自动使用最新版本。
总结
seekdb MCP Server 让数据库操作变得前所未有的简单：
| 传统方式 | MCP 方式 |
|---|
| 学习 SQL 语法 | 用自然语言描述需求 |
| 编写代码调用 API | AI 自动执行操作 |
| 手动管理向量嵌入 | 自动生成和索引 |
| 分别处理搜索逻辑 | 一句话混合搜索 |
无论你是想快速构建 RAG 应用，还是想让 AI 助手拥有"长期记忆"，seekdb MCP Server 都是你的最佳选择。
开始你的 AI 原生数据库之旅吧！ 🚀
参考资料
[1] seekdb 部署文档: https://www.oceanbase.ai/docs/deploy-overview/
