Anthropic 最近宣布的模型上下文協議 （MCP） 將改變我們與技術交互的方式。它允許自然語言通信替換許多任務的復雜命令行語法。不僅如此，語言模型還可以總結傳統工具的豐富輸出，并以人類可讀的形式呈現關鍵信息。MinIO 是世界領先的對象存儲提供商，擁有豐富的存儲創新歷史，我們一直在突破存儲和 AI 交叉領域的界限。今天，我們很高興推出另一項行業首創的創新產品 — 用于企業對象存儲的模型上下文協議 （MCP） 服務器。我們正在預覽一個 MCP 服務器，只需與大型語言模型 （LLM），如 Anthropic Claude 或 OpenAI ChatGPT，即可實現與我們的商業對象存儲產品 MinIO AIStor 的交互和管理。此預覽版包含超過 25 個常用命令，使探索和使用 AIStor 對象存儲中的數據比以往任何時候都更容易。本篇博文是介紹 MinIO MCP 服務器各種功能的系列文章中的第一篇。本系列將向您展示使用 MCP 服務器執行的用戶級別和管理功能。我們還將告訴您它的內部運作方式以及它是如何開發的。我們將介紹如何將 MCP 服務器用作典型 Agentic AI 工作流的一部分。讓我們探索一下 MinIO MCP 服務器令人興奮的新功能。
存儲桶和對象側
讓我們看看使用 MCP 探索 AIStor 對象存儲中的數據是多么容易。在下面的屏幕截圖和對話框中，我將向您展示使用 Anthropic Claude for Desktop 客戶端對 AIStor 對象存儲進行的一些作。還有許多其他 MCP 客戶端可用，您可以將所有這些客戶端配置為使用 AIStor MCP 服務器。我從一個簡單的請求開始。
Claude 問我是否允許使用該工具列出存儲桶。
每次您想使用工具時，Claude 都會請求許可。如您所見，您可以選擇“允許一次”或“允許此聊天”。我允許此聊天的每個新工具出現在我的對話中。從現在開始，我將跳過這些屏幕截圖。Claude 顯示了存儲桶列表（為簡潔起見，我截斷了屏幕截圖）。
讓我們看看其中一個存儲桶中的內容：
Claude 顯示了一個按類別分組的對象列表：白皮書、博客 Markdown 文件和圖像。在列表的末尾，它給出了存儲桶內容的一個很好的摘要。
這是使用 LLMs 的第一個優點。命令行工具或 Web UI 將根據請求為我們提供對象列表。它LLM總結了存儲桶的內容，并提供了對其構成的深刻敘述。想象一下，如果我這里有數千個對象。典型的命令行查詢會給我們一長串可能難以使用的對象。在這里，它為我們提供了存儲桶內容的人類可讀概覽。這類似于與您最喜歡的LLM客戶一起總結一篇文章。您可以更具體地要求列出對象的子集。例如，我想看看存儲桶中有哪些基準報告。
Claude 給了我一份我期望的清單。
當然，它列出了名稱中帶有“benchmark”的 PDF 文件！但是等等…它還列出了名為“Performance comparison …” 的論文。和“…支持 perf.pdf。有趣！這意味著它不會簡單地搜索單詞，而是理解我的請求的含義 。這是使用 LLMs.
對象分析
現在，我想獲取有關其中一個基準測試報告的詳細信息。我不必復制和粘貼完整的文件名。只需一點細節就足夠了。
克勞德完全理解我。它嘗試讀取文件內容，但由于該函數未針對 PDF 文件實現，因此它求助于 ask-object 函數。借助這個新的 AIStor 功能，您可以直接詢問有關對象的問題，AIStor 將使用集群中嵌入的 AI 模型來回答問題。這就是它在這里所做的，為我們提供了本文的一個很好的總結。請注意，在本例中，摘要不是由 Claude 準備的，而是由在 AIStor 集群中運行的模型準備的。文檔甚至沒有離開集群。許多組織不愿意使用 AI 主要是出于安全考慮。對于 AIStor，所有對象都位于您的安全邊界內。
我在此服務器上有一個存儲桶，其中包含從公有數據集上傳的 200 張收據圖像。我們將從分析存儲桶開始。然后，我們將分析各個收據并向對象添加標簽。
Claude 向我全面介紹了存儲桶。
你有沒有注意到，Claude 想了最合乎邏輯的下一步并提出了建議？當然，我想了解其中一張收據的詳細信息！
我得到了對收據的完整分析。同樣，MCP 服務器知道 ask-object 函數并使用它來分析對象。對象本身未離開 AIStor 集群。
為了使將來的分析更快、更有效，最好為每個對象添加標簽，例如供應商、交易日期、金額和貨幣。讓我們試試吧。
而且服務器運行完美！
為什么我們不標記其他收據呢？為了節省時間，讓我們標記前 5 個。
服務器分析圖像，分配標簽，并使用 get-object-tags 檢查它們。對于最后一個對象，供應商的名稱包含撇號，這在 tags 中是不允許的。服務器診斷了問題并通過刪除撇號來修復它。
想象一下在沒有 MCP 服務器的情況下執行相同的作。您必須編寫一個 Python 腳本來從存儲桶中提取圖像，將它們發送到 AI 模型進行分析，取回信息，對其進行解碼，找到正確的字段，將標簽應用于對象…您可以輕松地花費半天時間創建和調試這樣的腳本。我們只需在幾秒鐘內使用人類語言即可完成。
結論
LLMs MCP 服務器簡化了正常的用戶作，輕松匯總了 Bucket 內容、分析對象以及添加 tag 和其他元數據。在本系列的下一篇博客中，我們將探討 MinIO AIStor MCP 服務器如何補充核心管理任務，例如獲取集群運行狀況、可用存儲、列出和添加版本控制、復制規則和其他存儲桶參數。使用 MCP 服務器，LLMs 可以為您提供按存儲桶進行數據分配，甚至可以創建餅圖。敬請期待。
)
