TiDB 支持的 AI 集成
本文档概述了 TiDB 支持的 AI 集成，包括 Auto Embedding 提供商、AI 框架、对象关系映射（ORM）库、云服务以及 MCP server。
注意
- 向量搜索功能目前处于 beta 阶段，可能会在不事先通知的情况下发生变更。如果你发现 bug，可以在 GitHub 上提交 issue。
- 向量搜索功能适用于 TiDB Self-Managed 和 TiDB Cloud Starter。对于 TiDB Self-Managed，TiDB 版本需为 v8.4.0 或更高（推荐 v8.5.0 及以上）。
Auto Embedding
Auto Embedding 功能使你能够直接使用纯文本执行向量搜索。TiDB 会在后台自动将文本转换为向量，因此你无需自行生成或管理 embedding。
TiDB 向量搜索支持存储最多 16383 维的向量，能够满足大多数 embedding 模型的需求。
你既可以使用自行部署的开源 embedding 模型，也可以使用第三方 embedding API 来生成向量。
下表列出了支持的 embedding 提供商。有关如何配置各提供商的详细信息，请参见对应的指南。
| 提供商 | 指南 |
|---|---|
| OpenAI | OpenAI |
| OpenAI Compatible | OpenAI Compatible |
| Jina AI | Jina AI |
| Cohere | Cohere |
| Google Gemini | Google Gemini |
| Hugging Face | Hugging Face |
| NVIDIA NIM | NVIDIA NIM |
| Amazon Titan | Amazon Titan |
AI 框架
TiDB 为以下 AI 框架提供官方支持，使你能够轻松将基于这些框架开发的 AI 应用集成到 TiDB 向量搜索中。
| AI 框架 | 教程 |
|---|---|
| LangChain | Integrate Vector Search with LangChain |
| LlamaIndex | Integrate Vector Search with LlamaIndex |
你还可以将 TiDB 用于 AI 应用中的多种任务，例如文档存储和知识图谱存储。
ORM 库
你可以将 TiDB 向量搜索与你的 ORM 库集成，以便与 TiDB 数据库交互。
下表列出了支持的 ORM 库及其对应的集成教程：
| 语言 | ORM/Client | 如何安装 | 教程 |
|---|---|---|---|
| Python | SQLAlchemy | pip install tidb-vector | Integrate TiDB Vector Search with SQLAlchemy |
| Python | peewee | pip install tidb-vector | Integrate TiDB Vector Search with peewee |
| Python | Django | pip install django-tidb[vector] | Integrate TiDB Vector Search with Django |
云服务
你可以使用第三方云 embedding 服务生成向量，并将其存储到 TiDB 中。
下表列出了支持的云服务及其对应的教程：
| 云服务 | 教程 |
|---|---|
| Jina AI | Integrate Vector Search with Jina AI Embeddings API |
| Amazon Bedrock | Integrate TiDB Vector Search with Amazon Bedrock |
MCP server
TiDB MCP Server 是一个开源工具，可让你通过 Model Context Protocol (MCP) 使用自然语言指令与 TiDB 数据库进行交互。
下表列出了支持的 MCP 客户端及其对应的设置指南：
| MCP client | 指南 |
|---|---|
| Claude Code | Claude Code |
| Claude Desktop | Claude Desktop |
| Cursor | Cursor |
| VS Code | VS Code |
| Windsurf | Windsurf |