Anthropic 最近宣布的模型上下文协议 （MCP） 将改变我们与技术交互的方式。它允许自然语言通信替换许多任务的复杂命令行语法。不仅如此，语言模型还可以总结传统工具的丰富输出，并以人类可读的形式呈现关键信息。MinIO 是世界领先的对象存储提供商，拥有丰富的存储创新历史，我们一直在突破存储和 AI 交叉领域的界限。今天，我们很高兴推出另一项行业首创的创新产品 — 用于企业对象存储的模型上下文协议 （MCP） 服务器。我们正在预览一个 MCP 服务器，只需与大型语言模型 （LLM），如 Anthropic Claude 或 OpenAI ChatGPT，即可实现与我们的商业对象存储产品 MinIO AIStor 的交互和管理。此预览版包含超过 25 个常用命令，使探索和使用 AIStor 对象存储中的数据比以往任何时候都更容易。本篇博文是介绍 MinIO MCP 服务器各种功能的系列文章中的第一篇。本系列将向您展示使用 MCP 服务器执行的用户级别和管理功能。我们还将告诉您它的内部运作方式以及它是如何开发的。我们将介绍如何将 MCP 服务器用作典型 Agentic AI 工作流的一部分。让我们探索一下 MinIO MCP 服务器令人兴奋的新功能。

存储桶和对象侧

让我们看看使用 MCP 探索 AIStor 对象存储中的数据是多么容易。在下面的屏幕截图和对话框中，我将向您展示使用 Anthropic Claude for Desktop 客户端对 AIStor 对象存储进行的一些作。还有许多其他 MCP 客户端可用，您可以将所有这些客户端配置为使用 AIStor MCP 服务器。我从一个简单的请求开始。

Claude 问我是否允许使用该工具列出存储桶。

每次您想使用工具时，Claude 都会请求许可。如您所见，您可以选择“允许一次”或“允许此聊天”。我允许此聊天的每个新工具出现在我的对话中。从现在开始，我将跳过这些屏幕截图。Claude 显示了存储桶列表（为简洁起见，我截断了屏幕截图）。

让我们看看其中一个存储桶中的内容：

Claude 显示了一个按类别分组的对象列表：白皮书、博客 Markdown 文件和图像。在列表的末尾，它给出了存储桶内容的一个很好的摘要。

这是使用 LLMs 的第一个优点。命令行工具或 Web UI 将根据请求为我们提供对象列表。它LLM总结了存储桶的内容，并提供了对其构成的深刻叙述。想象一下，如果我这里有数千个对象。典型的命令行查询会给我们一长串可能难以使用的对象。在这里，它为我们提供了存储桶内容的人类可读概览。这类似于与您最喜欢的LLM客户一起总结一篇文章。您可以更具体地要求列出对象的子集。例如，我想看看存储桶中有哪些基准报告。

Claude 给了我一份我期望的清单。

当然，它列出了名称中带有“benchmark”的 PDF 文件！但是等等…它还列出了名为“Performance comparison …” 的论文。和“…支持 perf.pdf。有趣！这意味着它不会简单地搜索单词，而是理解我的请求的含义 。这是使用 LLMs.

对象分析

现在，我想获取有关其中一个基准测试报告的详细信息。我不必复制和粘贴完整的文件名。只需一点细节就足够了。

克劳德完全理解我。它尝试读取文件内容，但由于该函数未针对 PDF 文件实现，因此它求助于 ask-object 函数。借助这个新的 AIStor 功能，您可以直接询问有关对象的问题，AIStor 将使用集群中嵌入的 AI 模型来回答问题。这就是它在这里所做的，为我们提供了本文的一个很好的总结。请注意，在本例中，摘要不是由 Claude 准备的，而是由在 AIStor 集群中运行的模型准备的。文档甚至没有离开集群。许多组织不愿意使用 AI 主要是出于安全考虑。对于 AIStor，所有对象都位于您的安全边界内。

我在此服务器上有一个存储桶，其中包含从公有数据集上传的 200 张收据图像。我们将从分析存储桶开始。然后，我们将分析各个收据并向对象添加标签。

Claude 向我全面介绍了存储桶。

你有没有注意到，Claude 想了最合乎逻辑的下一步并提出了建议？当然，我想了解其中一张收据的详细信息！

我得到了对收据的完整分析。同样，MCP 服务器知道 ask-object 函数并使用它来分析对象。对象本身未离开 AIStor 集群。

为了使将来的分析更快、更有效，最好为每个对象添加标签，例如供应商、交易日期、金额和货币。让我们试试吧。

而且服务器运行完美！

为什么我们不标记其他收据呢？为了节省时间，让我们标记前 5 个。

服务器分析图像，分配标签，并使用 get-object-tags 检查它们。对于最后一个对象，供应商的名称包含撇号，这在 tags 中是不允许的。服务器诊断了问题并通过删除撇号来修复它。

想象一下在没有 MCP 服务器的情况下执行相同的作。您必须编写一个 Python 脚本来从存储桶中提取图像，将它们发送到 AI 模型进行分析，取回信息，对其进行解码，找到正确的字段，将标签应用于对象…您可以轻松地花费半天时间创建和调试这样的脚本。我们只需在几秒钟内使用人类语言即可完成。

结论

LLMs MCP 服务器简化了正常的用户作，轻松汇总了 Bucket 内容、分析对象以及添加 tag 和其他元数据。在本系列的下一篇博客中，我们将探讨 MinIO AIStor MCP 服务器如何补充核心管理任务，例如获取集群运行状况、可用存储、列出和添加版本控制、复制规则和其他存储桶参数。使用 MCP 服务器，LLMs 可以为您提供按存储桶进行数据分配，甚至可以创建饼图。敬请期待。