Meilisearch

offiziell

Interagieren und Abfragen mit Meilisearch (Volltext- und semantische Such-API)

GitHub
197
Dieses MCP ausprobierenGesponsert

Was kann man mit Meilisearch MCP machen?

  • Indizes erstellen und verwalten — Fordern Sie die Erstellung eines Index mit einem benutzerdefinierten Primärschlüssel über create-index an, listen Sie vorhandene auf oder löschen Sie einen Index samt seiner Dokumente.
  • Dokumente hinzufügen und abrufen — Verwenden Sie add-documents für den Massenimport oder das Aktualisieren von Datensätzen und get-documents, um diese mit Paginierung aus einem beliebigen Index abzurufen.
  • Flexible Suchen durchführen — Durchsuchen Sie einzelne oder mehrere Indizes mit Filtern, Sortierung und Facetten mithilfe des search-Tools, einschließlich semantischer und hybrider Optionen.
  • Sucheinstellungen anpassen — Zeigen Sie die Ranking-Regeln, Facettierung und durchsuchbaren Attribute eines Index an oder aktualisieren Sie sie über get-settings und update-settings.
  • Aufgaben und Systemstatus überwachen — Prüfen Sie den Indexierungsfortschritt mit get-tasks, brechen Sie geplante Vorgänge ab oder verifizieren Sie den Instanzstatus über health-check und get-stats.

Dokumentation

Meilisearch

Meilisearch MCP Server

Meilisearch | Meilisearch Cloud | Dokumentation | Discord

PyPI version Python Versions Tests License Downloads

⚡ Verbinde jedes LLM mit Meilisearch und bringe deine KI mit blitzschnellen Suchfunktionen auf das nächste Level! 🔍

🤔 Was ist das?

Der Meilisearch MCP Server ist ein Model Context Protocol Server, der es jedem MCP-kompatiblen Client (einschließlich Claude, OpenAI-Agenten und anderen LLMs) ermöglicht, mit Meilisearch zu interagieren. Dieser stdio-basierte Server erlaubt KI-Assistenten, Suchindizes zu verwalten, Suchen durchzuführen und deine Daten über natürliche Konversation zu verarbeiten.

Warum das nutzen?

  • 🤖 Universelle Kompatibilität – Funktioniert mit jedem MCP-Client, nicht nur mit Claude
  • 🗣️ Steuerung über natürliche Sprache – Verwalte Meilisearch durch Konversation mit jedem LLM
  • 🚀 Keine Lernkurve – Keine Notwendigkeit, die Meilisearch-API zu erlernen
  • 🔧 Voller Funktionsumfang – Alle Meilisearch-Fähigkeiten direkt zur Hand
  • 🔄 Dynamische Verbindungen – Wechsle spontan zwischen Meilisearch-Instanzen
  • 📡 stdio-Transport – Verwendet derzeit stdio; native Meilisearch-MCP-Unterstützung kommt bald!

✨ Hauptfunktionen

  • 📊 Index- und Dokumentverwaltung – Suchindizes erstellen, aktualisieren und verwalten
  • 🔍 Intelligente Suche – Suche über einzelne oder mehrere Indizes mit erweiterter Filterung
  • ⚙️ Einstellungskonfiguration – Suchrelevanz und Leistung feinjustieren
  • 📈 Aufgabenüberwachung – Indizierungsfortschritt und Systemoperationen verfolgen
  • 🔐 API-Schlüsselverwaltung – Sicherer Zugriffskontrolle
  • 🏥 Gesundheitsüberwachung – Behalte deine Meilisearch-Instanz im Blick
  • 🧱 Strukturierte Tool-Ausgabe – Jedes datenrückgebende Tool liefert structuredContent neben Text, gemäß der neuesten MCP-Spezifikation
  • 🔀 Moderner MCP-Stack – Basierend auf dem offiziellen MCP Python SDK v2 (Spezifikation 2026-07-28), abwärtskompatibel mit älteren MCP-Clients
  • 🐍 Python-Implementierung – TypeScript-Version ebenfalls verfügbar

🚀 Schnellstart

In nur 3 Schritten einsatzbereit!

1️⃣ Paket installieren

# Using pip
pip install meilisearch-mcp

# Or using uvx (recommended)
uvx -n meilisearch-mcp

2️⃣ Claude Desktop konfigurieren

Füge dies zu deiner claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "meilisearch": {
      "command": "uvx",
      "args": ["-n", "meilisearch-mcp"]
    }
  }
}

3️⃣ Meilisearch starten

# Using Docker (recommended)
docker run -d -p 7700:7700 getmeili/meilisearch:v1.28

# Or using Homebrew
brew install meilisearch
meilisearch

Das war's! Jetzt kannst du deinen KI-Assistenten bitten, deine Meilisearch-Daten zu durchsuchen und zu verwalten! 🎉

📚 Beispiele

💬 Sprich natürlich mit deinem KI-Assistenten:

You: "Create a new index called 'products' with 'id' as the primary key"
AI: I'll create that index for you... ✓ Index 'products' created successfully!

You: "Add some products to the index"
AI: I'll add those products... ✓ Added 5 documents to 'products' index

You: "Search for products under $50 with 'electronics' in the category"
AI: I'll search for those products... Found 12 matching products!

🔍 Erweitertes Suchbeispiel:

You: "Search across all my indices for 'machine learning' and sort by date"
AI: Searching across all indices... Found 47 results from 3 indices:
- 'blog_posts': 23 articles about ML
- 'documentation': 15 technical guides
- 'tutorials': 9 hands-on tutorials

🔧 Installation

Voraussetzungen

  • Python ≥ 3.10
  • Laufende Meilisearch-Instanz
  • MCP-kompatibler Client (Claude Desktop, OpenAI-Agenten usw.)

Von PyPI

pip install meilisearch-mcp

Aus dem Quellcode (für Entwicklung)

# Clone repository
git clone https://github.com/meilisearch/meilisearch-mcp.git
cd meilisearch-mcp

# Create virtual environment and install
uv venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate
uv pip install -e .

Mit Docker

Perfekt für containerisierte Umgebungen wie n8n-Workflows!

Von Docker Hub

# Pull the latest image
docker pull getmeili/meilisearch-mcp:latest

# Or a specific version
docker pull getmeili/meilisearch-mcp:0.5.0

# Run the container
docker run -it \
  -e MEILI_HTTP_ADDR=http://your-meilisearch:7700 \
  -e MEILI_MASTER_KEY=your-master-key \
  getmeili/meilisearch-mcp:latest

Aus dem Quellcode erstellen

# Build your own image
docker build -t meilisearch-mcp .
docker run -it \
  -e MEILI_HTTP_ADDR=http://your-meilisearch:7700 \
  -e MEILI_MASTER_KEY=your-master-key \
  meilisearch-mcp

Integration mit n8n

Für n8n-Workflows kannst du das Docker-Image direkt in deinem Setup verwenden:

meilisearch-mcp:
  image: getmeili/meilisearch-mcp:latest
  environment:
    - MEILI_HTTP_ADDR=http://meilisearch:7700
    - MEILI_MASTER_KEY=masterKey

🛠️ Was kannst du tun?

🔗 Verbindungsverwaltung
  • Aktuelle Verbindungseinstellungen anzeigen
  • Dynamisch zwischen Meilisearch-Instanzen wechseln
  • API-Schlüssel spontan aktualisieren
📁 Index-Operationen
  • Neue Indizes mit benutzerdefinierten Primärschlüsseln erstellen
  • Alle Indizes mit Statistiken auflisten
  • Indizes und ihre Daten löschen
  • Detaillierte Index-Metriken abrufen
📄 Dokumentverwaltung
  • Dokumente hinzufügen oder aktualisieren
  • Dokumente mit Paginierung abrufen
  • Massenimport von Daten
🔍 Suchfunktionen
  • Suche mit Filtern, Sortierung und Facetten
  • Suche über mehrere Indizes
  • Semantische Suche mit Vektoren
  • Hybride Suche (Stichwort + semantisch)
⚙️ Einstellungen & Konfiguration
  • Ranking-Regeln konfigurieren
  • Facettierung und Filterung einrichten
  • Durchsuchbare Attribute verwalten
  • Tippfehlertoleranz anpassen
🔐 Sicherheit
  • API-Schlüssel erstellen und verwalten
  • Granulare Berechtigungen festlegen
  • Schlüsselnutzung überwachen

⚠️ Hinweis: Obwohl du Hosts und API-Schlüssel direkt im Chat hinzufügen und aktualisieren kannst, ist dieser Ansatz in erster Linie für Entwicklungszwecke gedacht (z. B. um spontan eine Verbindung zu mehreren Instanzen herzustellen). Er folgt nicht den besten MCP-Sicherheitspraktiken und sollte in Produktionsumgebungen ohne angemessene Schutzmaßnahmen nicht verwendet werden.

📊 Überwachung & Gesundheit
  • Gesundheitschecks
  • Systemstatistiken
  • Aufgabenüberwachung
  • Versionsinformationen

🌍 Umgebungsvariablen

Standardverbindungseinstellungen konfigurieren:

MEILI_HTTP_ADDR=http://localhost:7700  # Default Meilisearch URL
MEILI_MASTER_KEY=your_master_key       # Optional: Default API key

💻 Entwicklung

Entwicklungsumgebung einrichten

  1. Meilisearch starten:

    docker run -d -p 7700:7700 getmeili/meilisearch:v1.28

  2. Entwicklungsabhängigkeiten installieren:

    uv pip install -r requirements-dev.txt

  3. Tests ausführen:

    python -m pytest tests/ -v

  4. Code formatieren:

    black src/ tests/

Testen mit MCP Inspector

npx @modelcontextprotocol/inspector python -m src.meilisearch_mcp

🤝 Community & Support

Wir freuen uns, von dir zu hören! So erhältst du Hilfe und Kontakte:

🤗 Mitwirken

Wir freuen uns über Beiträge! So legst du los:

  1. Repository forken
  2. Deinen Feature-Branch erstellen (git checkout -b feature/amazing-feature)
  3. Tests für deine Änderungen schreiben
  4. Änderungen vornehmen und Tests ausführen
  5. Code mit black formatieren
  6. Änderungen committen (git commit -m 'Add amazing feature')
  7. Zu deinem Branch pushen (git push origin feature/amazing-feature)
  8. Einen Pull Request öffnen

Weitere Details findest du in unseren Richtlinien zum Mitwirken.

📦 Release-Prozess

Dieses Projekt verwendet automatisierte Versionierung und Veröffentlichung. Wenn sich die Version in pyproject.toml auf dem main-Branch ändert, wird das Paket automatisch auf PyPI veröffentlicht.

Siehe den Abschnitt Release-Prozess für detaillierte Anweisungen.

📄 Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – siehe die Datei LICENSE für Details.

Meilisearch ist eine Open-Source-Suchmaschine, die ein herausragendes Sucherlebnis bietet.
Erfahre mehr über Meilisearch unter meilisearch.com

📖 Vollständige Dokumentation

Verfügbare Tools

Verbindungsverwaltung

  • get-connection-settings: Aktuelle Meilisearch-Verbindungs-URL und API-Schlüsselstatus anzeigen
  • update-connection-settings: URL und/oder API-Schlüssel aktualisieren, um eine Verbindung zu einer anderen Instanz herzustellen

Indexverwaltung

  • create-index: Neuen Index mit optionalem Primärschlüssel erstellen
  • list-indexes: Alle verfügbaren Indizes auflisten
  • delete-index: Vorhandenen Index und alle seine Dokumente löschen
  • get-index-metrics: Detaillierte Metriken für einen bestimmten Index abrufen

Dokumentoperationen

  • get-documents: Dokumente aus einem Index mit Paginierung abrufen
  • add-documents: Dokumente in einem Index hinzufügen oder aktualisieren

Suche

  • search: Flexible Suche über einzelne oder mehrere Indizes mit Filter- und Sortieroptionen

Einstellungsverwaltung

  • get-settings: Aktuelle Einstellungen für einen Index anzeigen
  • update-settings: Indexeinstellungen aktualisieren (Ranking, Facettierung usw.)

API-Schlüsselverwaltung

  • get-keys: Alle API-Schlüssel auflisten
  • create-key: Neuen API-Schlüssel mit bestimmten Berechtigungen erstellen
  • delete-key: Vorhandenen API-Schlüssel löschen

Aufgabenverwaltung

  • get-task: Informationen zu einer bestimmten Aufgabe abrufen
  • get-tasks: Aufgaben mit optionalen Filtern auflisten
  • cancel-tasks: Ausstehende oder in der Warteschlange befindliche Aufgaben abbrechen

Systemüberwachung

  • health-check: Grundlegender Gesundheitscheck
  • get-health-status: Umfassender Gesundheitsstatus
  • get-version: Meilisearch-Versionsinformationen abrufen
  • get-stats: Datenbankstatistiken abrufen
  • get-system-info: Systembezogene Informationen abrufen

Entwicklungseinrichtung

Voraussetzungen

  1. Meilisearch-Server starten:

    # Using Docker (recommended for development)
docker run -d -p 7700:7700 getmeili/meilisearch:v1.28

# Or using brew (macOS)
brew install meilisearch
meilisearch

# Or download from https://github.com/meilisearch/meilisearch/releases

  2. Entwicklungstools installieren:

    # Install uv for Python package management
pip install uv

# Install Node.js for MCP Inspector testing
# Visit https://nodejs.org/ or use your package manager

Tests ausführen

Dieses Projekt enthält umfassende Integrationstests, die die MCP-Tool-Funktionalität verifizieren:

# Run all tests
python -m pytest tests/ -v

# Run specific test file
python -m pytest tests/test_mcp_client.py -v

# Run tests with coverage report
python -m pytest --cov=src tests/

# Run tests in watch mode (requires pytest-watch)
pytest-watch tests/

Wichtig: Tests erfordern eine laufende Meilisearch-Instanz auf http://localhost:7700.

Codequalität

# Format code with Black
black src/ tests/

# Run type checking (if mypy is configured)
mypy src/

# Lint code (if flake8 is configured)
flake8 src/ tests/

Richtlinien zum Mitwirken

  1. Repository forken und klonen
  2. Entwicklungsumgebung einrichten gemäß dem Abschnitt Entwicklungseinrichtung oben
  3. Feature-Branch erstellen von main
  4. Zuerst Tests schreiben, wenn neue Funktionalität hinzugefügt wird (testgetriebene Entwicklung)
  5. Tests lokal ausführen, um sicherzustellen, dass alle Tests vor dem Committen bestehen
  6. Code mit Black formatieren und Codequalität sicherstellen
  7. Änderungen committen mit beschreibenden Commit-Nachrichten
  8. Zu deinem Fork pushen und einen Pull Request erstellen

Entwicklungsworkflow

# Create feature branch
git checkout -b feature/your-feature-name

# Make your changes, write tests first
# Edit files...

# Run tests to ensure everything works
python -m pytest tests/ -v

# Format code
black src/ tests/

# Commit and push
git add .
git commit -m "Add feature description"
git push origin feature/your-feature-name

Testrichtlinien

  • Alle neuen Funktionen sollten Tests enthalten
  • Tests sollten vor dem Einreichen von PRs bestehen
  • Beschreibende Testnamen und klare Assertions verwenden
  • Sowohl Erfolgs- als auch Fehlerfälle testen
  • Sicherstellen, dass Meilisearch vor dem Ausführen der Tests läuft

Release-Prozess

Dieses Projekt verwendet automatisierte Versionierung und Veröffentlichung auf PyPI. Der Release-Prozess ist einfach und automatisiert gestaltet.

So funktionieren Releases

  1. Automatisierte Veröffentlichung: Wenn sich die Versionsnummer in pyproject.toml auf dem main-Branch ändert, führt eine GitHub Action automatisch Folgendes aus:

    • Erstellt das Python-Paket
    • Veröffentlicht es auf PyPI mithilfe von Trusted Publishing
    • Erstellt ein neues Release auf GitHub

  2. Versionserkennung: Der Workflow vergleicht die aktuelle Version in pyproject.toml mit dem vorherigen Commit, um Änderungen zu erkennen

  3. PyPI-Veröffentlichung: Verwendet die offizielle PyPA-Publish-Action mit Trusted Publishing (keine manuellen API-Schlüssel erforderlich)

Ein neues Release erstellen

Um ein neues Release zu erstellen, folge diesen Schritten:

1. Versionsnummer bestimmen

Befolge Semantic Versioning (MAJOR.MINOR.PATCH):

  • PATCH (z. B. 0.4.0 → 0.4.1): Fehlerbehebungen, Dokumentationsupdates, kleinere Verbesserungen
  • MINOR (z. B. 0.4.0 → 0.5.0): Neue Funktionen, neue MCP-Tools, bedeutende Verbesserungen
  • MAJOR (z. B. 0.5.0 → 1.0.0): Bahnbrechende Änderungen, größere API-Änderungen
2. Version aktualisieren und PR erstellen
# 1. Create a branch from latest main
git checkout main
git pull origin main
git checkout -b release/v0.5.0

# 2. Update version in pyproject.toml
# Edit the version = "0.4.0" line to your new version

# 3. Commit and push
git add pyproject.toml
git commit -m "Bump version to 0.5.0"
git push origin release/v0.5.0

# 4. Create PR and get it reviewed/merged
gh pr create --title "Release v0.5.0" --body "Bump version for release"
3. In Main zusammenführen

Sobald der PR genehmigt und in main zusammengeführt wurde, führt die GitHub Action automatisch Folgendes aus:

  1. Die Versionsänderung erkennen
  2. Das Paket erstellen
  3. Auf PyPI unter https://pypi.org/p/meilisearch-mcp veröffentlichen
  4. Die neue Version über pip install meilisearch-mcp verfügbar machen
4. Release verifizieren

Nach dem Zusammenführen das Release verifizieren:

# Check GitHub Action status
gh run list --workflow=publish.yml

# Verify on PyPI (may take a few minutes)
pip index versions meilisearch-mcp

# Test installation of new version
pip install --upgrade meilisearch-mcp

Release-Workflow-Datei

Das automatisierte Release wird von .github/workflows/publish.yml verwaltet, das:

  • Bei Pushes auf den main-Branch ausgelöst wird
  • Prüft, ob sich die pyproject.toml-Version geändert hat
  • Python 3.10 und offizielle Build-Tools verwendet
  • Mit Trusted Publishing veröffentlicht (keine API-Schlüssel erforderlich)
  • Ausführliche Ausgabe zum Debuggen bietet

Fehlerbehebung bei Releases

Release wurde nicht ausgelöst: Überprüfe, dass sich die Version in pyproject.toml tatsächlich zwischen den Commits geändert hat

Build fehlgeschlagen: Überprüfe die GitHub Actions-Logs auf Fehler beim Erstellen des Python-Pakets

PyPI-Veröffentlichung fehlgeschlagen: Verifiziere den Paketnamen und dass Trusted Publishing korrekt konfiguriert ist

Versionskonflikte: Stelle sicher, dass die neue Versionsnummer nicht bereits zuvor auf PyPI verwendet wurde

Entwicklungs- vs. Produktionsversionen

  • Entwicklung: Installation aus dem Quellcode mit pip install -e .
  • Produktion: Installation von PyPI mit pip install meilisearch-mcp
  • Bestimmte Version: Installation mit pip install meilisearch-mcp==0.5.0