无为做网站数码电子产品网站名称

无为做网站,数码电子产品网站名称,wordpress中is,做网站wamp和xamp作者#xff1a;来自 Elastic Enrico Zimuel 及 Laurent Saint-Flix 探索 Elasticsearch 支持现已在 Google MCP Toolbox for Databases 中可用#xff0c;并利用 ES|QL 工具安全地将你的索引与任何 MCP 客户端集成。 动手体验 Elasticsearch#xff1a;深入了解我们的示例 …作者来自 Elastic Enrico Zimuel 及 Laurent Saint-Félix探索 Elasticsearch 支持现已在 Google MCP Toolbox for Databases 中可用并利用 ES|QL 工具安全地将你的索引与任何 MCP 客户端集成。动手体验 Elasticsearch深入了解我们的示例 notebooks开始免费的 cloud 试用或立即在你的本地机器上试用 Elastic。在本文中我们将介绍如何将 Google MCP Toolbox 与 Elasticsearch 一起使用构建一个用于从 Elasticsearch 索引中提取信息的简单工具。我们最近为 Google MCP Toolbox for Databases 开源项目做出了贡献新增了对 Elasticsearch 作为数据库的支持。有了这个新功能你现在可以使用 Google MCP Toolbox 连接到 Elasticsearch并直接与你的数据进行 “对话”。Elasticsearch我们需要运行一个 Elasticsearch 实例。你可以在 Elastic Cloud 上激活一个免费试用或者使用 start-local 脚本在本地安装curl -fsSL https://elastic.co/start-local | sh这将会在你的电脑上安装 Elasticsearch 和 Kibana并生成一个 API key用于配置 Google MCP Toolbox。API key 将作为前一个命令的输出显示并存储在 elastic-start-local 文件夹中的 .env 文件里。安装示例数据集安装完成后你可以使用用户名 elastic 和由 start-local 脚本生成的密码登录 Kibana存储在 .env 文件中。你可以安装 Kibana 中提供的eCommerce orders示例数据集。它包含一个名为kibana_sample_data_ecommerce的索引其中包含来自一个电商网站的 4,675 个订单的信息。对于每个订单我们有以下信息客户信息姓名、ID、出生日期、邮箱等订单日期订单 ID产品所有产品的列表包括价格、数量、ID、类别、折扣等SKU总价未含税、含税总数量地理信息城市、国家、大洲、位置、地区要安装示例数据请在 Kibana 中打开Integrations页面在顶部搜索栏中搜索 “Integration”并安装 “Sample Data”。更多细节请参考这里的文档https://www.elastic.co/docs/explore-analyze/#gs-get-data-into-kibana。本文的目标是展示配置 Google MCP Toolbox 连接到 Elasticsearch并使用自然语言与kibana_sample_data_ecommerce索引交互是多么简单。Google MCP ToolboxGoogle MCP Toolbox 是一个开源的 MCP server旨在让应用和 AI agents 能够安全、高效地与 databases 交互。该项目之前名为 “GenAI Toolbox for Databases”在采用了对 Model Context ProtocolMCP的完全兼容之后进行了重命名。它的目标是消除 agents 连接 databases 时传统上所需的繁重工作通过在后台处理 connection pooling、authentication、observability 以及其他运维相关问题。从核心来看Toolbox 允许开发者定义可复用的高层 tools用于封装 database 交互。这些 tools 随后可以被任何兼容 MCP 的 client例如 AI agent调用而无需 client 实现底层的 SQL queries 或管理 database connections。这种方式大幅减少了构建具备 database 能力的 agents 所需的样板代码使得只需几行应用逻辑就能集成高级的数据操作。一旦定义了一个 tool它就可以在多个 agents、frameworks 或 languages 之间共享Figure 1。图 1Google MCP Toolbox 的整体架构如何安装 MCP Toolbox你可以使用以下命令在 Linux 上安装 MCP Toolbox serverexport VERSION0.21.0 curl -L -o toolbox https://storage.googleapis.com/genai-toolbox/v$VERSION/linux/amd64/toolbox chmod x toolbox如果你想在 macOS 或 Windows 上安装可以按照这里详细说明的说明进行操作。为 Elasticsearch 配置 Toolbox要为 Elasticsearch 配置 MCP Toolbox我们需要创建一个 tools.yaml 文件如下所示sources: my-cluster: kind: elasticsearch addresses: - http://localhost:9200 apikey: insert-here-api-key tools: customer-orders: kind: elasticsearch-esql source: my-cluster description: Get the orders made by a customer identified by name. query: | FROM kibana_sample_data_ecommerce | WHERE MATCH(customer_full_name, ?name, {operator: AND}) parameters: - name: name type: string description: The customer name. toolsets: elasticsearch-tools: - customer-orders你需要将insert-here-api-key替换为有效的 Elasticsearch API key。如果你使用 start-local 在本地运行 Elasticsearch可以在 start-local 生成的 .env 文件中找到该 API key变量名为ES_LOCAL_API_KEY。如果你使用 Elastic Cloud可以按照这里描述的步骤生成 API key。前面的 tools 包含以下用于 Elasticsearch 的 ES|QL 查询FROM kibana_sample_data_ecommerce | WHERE MATCH(customer_full_name, ?name)如果你不熟悉 ES|QL它是由 Elastic 开发的一种查询语言类似于 SQL可用于搜索一个或多个索引。你可以在官方文档中了解更多关于 ES|QL 的信息。上面的查询会搜索存储在kibana_sample_data_ecommerce索引中、包含指定客户姓名的所有订单使用?name参数问号表示参数。客户姓名在之前的 YAML 配置中定义类型为 string描述为 “The customer name”。该工具可用于回答有关客户订单的问题——例如How many orders did customer Foo place in October 2025?工具及其参数的描述对于从用户的自然语言请求中提取相关信息至关重要。此提取通过 Large Language Model (LLM) 的function-calling功能来执行。在实际操作中LLM 可以确定需要执行哪个函数工具以获取所需信息以及该函数的适当参数。关于 function calls 的更多信息我们建议阅读 Ashish Tiwari 撰写的 OpenAI function calling with Elasticsearch 文章。运行 Toolbox server你可以使用前面的 tools.yaml 文件通过以下命令运行 MCP Toolbox./toolbox --tools-file tools.yaml --ui–ui 参数会在 http://127.0.0.1:5000/ui 运行一个 web 应用图 2。图 2MCP Toolbox UI你可以选择 Tools customer-orders并在参数 name 中输入客户姓名例如 Gwen Sanders然后点击 Run Tool 按钮。你应该会看到如图 3 所示的 JSON 响应。图 3使用 name 值 “Gwen” 执行 customer-orders 工具的结果设置完成后MCP Toolbox 可以执行customer-orders工具与 Elasticsearch 通信并运行 ES|QL 查询。使用 MCP Toolbox 与 Gemini CLI我们可以使用任何 MCP client 与 MCP Toolbox for Databases 进行通信。例如我们可以使用 Gemini CLI这是一款用于使用 Gemini 的命令行工具。你可以按照这里的说明安装 Gemini CLI。Gemini CLI 提供了一个为 MCP Toolbox 预配置的扩展位于 gemini-cli-extensions/mcp-toolbox。你可以通过运行以下命令安装此扩展gemini extensions install https://github.com/gemini-cli-extensions/mcp-toolbox安装完成后你需要进入存放 MCP Toolbox tools.yaml 配置文件的目录并按如下方式执行 Gemini CLI此步骤是为了让 Gemini CLI 自动配置 MCP Toolboxgemini你应该会看到如图 4 所示的输出图 4Gemini CLI 终端你可以使用以下命令检查 MCP Toolbox 是否已连接/mcp list你应该会看到 mcp_toolbox 及其列出的 customer-orders 工具图 5。如果 MCP Toolbox 已连接到 Gemini CLI我们现在可以尝试提出一些问题例如“Give me the orders for the customer Gwen Sanders.” 然后 Gemini CLI 会请求执行来自 mcp_toolbox server 的 customer-orders 工具的权限见图 6。图 6执行 customer-orders 工具的权限请求确认后Gemini CLI 会向 MCP Toolbox 执行请求得到 JSON 响应作为结果并用它来格式化响应图 7。图 7来自 MCP Toolbox 的响应以及 Gemini CLI 的最终响应来自 Gemini CLI 的响应会显示 Gwen Sanders 只下了一笔包含 2 个产品的订单总价为 132 euros。MCP Toolbox SDKsGoogle MCP Toolbox 还提供了 SDK可从用 Go、Python 和 Javascript 编写的程序访问所有功能。例如Python SDK 可在 Github 上的以下页面获取https://github.com/googleapis/mcp-toolbox-sdk-python。我们需要创建一个简单的 agent 来连接 MCP Toolbox。需要安装以下包pip install toolbox-core pip install google-adk并使用以下命令创建一个新的 agent 项目adk create my_agent这将创建一个名为 my_agent 的新目录其中包含一个文件 agent.py。使用以下内容更新 my_agent/agent.py 以连接 Toolboxfrom google.adk import Agent from google.adk.apps import App from toolbox_core import ToolboxSyncClient client ToolboxSyncClient(http://127.0.0.1:5000) root_agent Agent( nameroot_agent, modelgemini-2.5-flash, instructionYou are a helpful AI assistant designed to search information about a dataset of ecommerce orders., toolsclient.load_toolset(), ) app App(root_agentroot_agent, namemy_agent)创建一个包含你的 Google API key 的 .env 文件echo GOOGLE_API_KEYYOUR_API_KEY my_agent/.env最后我们可以运行 agent 并观察结果。要执行 agent你可以运行以下命令adk run my_agent或者你可以通过 web 界面来运行它adk web --port 8000在这两种情况下你都可以使用问答界面与 MCP Toolbox 交互。例如你可以提出之前的问题Give me the orders of the customer Gwen Sanders。有关不同 SDK 的更多信息你可以参考此文档页面。结论在本文中我们演示了 Google MCP Toolbox for Databases 的 Elasticsearch 集成。通过一个简单的 YAML 配置文件我们可以定义一组工具将自然语言问题转换为使用 ES|QL 语言的 Elasticsearch 查询。我们展示了如何与 kibana_sample_data_ecommerce 数据集交互该数据集包含来自一个电商网站的订单。使用这个配置文件我们只需运行 MCP Toolbox server就可以从任何 MCP client 连接到它。最后我们演示了如何使用 Gemini CLI 作为客户端连接到 MCP Toolbox for Databases并查询存储在 Elasticsearch 中的电商数据。我们执行了一个自然语言查询以检索特定客户通过姓名标识的订单信息。随着 MCP 生态系统的不断发展这种模式——轻量级工具定义依托安全、生产就绪的基础设施——为构建越来越强大、具备数据感知能力的 agents 提供了新的机会且几乎无需额外工作。无论你是在本地使用 Elastic 的示例数据集进行实验还是将搜索功能集成到更大的应用中MCP Toolbox 都为使用自然语言与 Elasticsearch 数据交互提供了可靠且可扩展的基础。有关 agentic AI 应用开发的更多信息你可以阅读 Anish Mathur 和 Dana Juratoni 撰写的 使用 Elasticsearch 构建 AI Agentic 工作流程 文章。有关 Google MCP Toolbox 的更多信息你可以访问 https://googleapis.github.io/genai-toolbox/getting-started/introduction/。原文https://www.elastic.co/search-labs/blog/google-mcp-toolbox-elasticsearch-support