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、TiDB Cloud Starter、TiDB Cloud Essential 和 TiDB Cloud Dedicated。对于 TiDB Self-Managed 和 TiDB Cloud Dedicated，TiDB 版本必须为 v8.4.0 或更高版本（推荐使用 v8.5.0 或更高版本）。

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。

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。

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

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

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：