实操|MCP+AWS Kiro+ Milvus，我的AI IDE终于不降智了

有没有一个感觉，市面上AI IDE工具越来越多了，但使用体验却越来越差了？

Cursor算好一点的，但也经常答非所问，让它优化一个函数，它重写了整个文件。Claude Code同样让人哭笑不得，明明项目里有现成的工具函数，偏要重新造轮子。

其他产品就更不用一一点名了。

原因在于，软件开发者90%以上的工作都集中在重用现有代码上，但很多工具的代码检索甚至还停留在grep文本检索时代。代码的上下文感知能力，距离理想效果，还有相当一段距离。

也是因此，对于AI coding来说，检索的重要性其实不亚于生成本身。

而随着GitHub、Bitbucket和GitLab等大型源代码库的出现，如何在数十亿行源代码中进行代码检索更是成为了软件工程中的一大挑战。

那么怎么解决这个问题？本文中，我将结合AWS推出的Kiro，配合Zilliz开源的Code Context方案，带来实操案例与经验分享。

01

Kiro是什么，好用在哪里

Kiro其实是AWS推出的一款"智能代理IDE"（Agentic IDE），最大的亮点就是好用还便宜，目前其内置的Claude 4是免费的。

传统IDE中，当我们输入需求说"帮我写一个用户登录功能"时，AI会基于训练数据生成通用代码，但最终代码往往不符合项目规范，手动修改后又缺少依赖，需要继续调整。时间、精力耗费巨大。

而Kiro的优势是能够理解项目的历史演进，知道哪些代码是核心逻辑，哪些是可以优化的部分。最终交付效果也能更满足用户那些没说出来的需求。

以下是Kiro的六个核心功能：

02

Code Context：基于Milvus的开源代码检索工具

Code Context是Milvus开源的一款代码检索工具。

• GitHub开源地址:

   https://github.com/zilliztech/code-context

• MCP npm地址:

  https://www.npmjs.com/package/@zilliz/code-context-mcp

• VSCode插件市场:

   https://marketplace.visualstudio.com/items?itemName=zilliz.semanticcodesearch

Code Context通过embedding模型将代码转换为向量表示，从而对其进行检索。

相比传统的grep文本检索，Code Context可以更好地捕捉代码的语义信息和上下文关系。

重要的是，Code Context采用模块化设计，可以通过MCP协议、VSCode插件、Chrome扩展等多种方式无缝集成到现有的AI编程工具中，实现能力升级。

其核心能力如下：

03

安装部署

本节将带大家实操完成Kiro 、Milvus及Code Context 本地部署，并通过示例演示MCP的作用

环境准备要求

• 本教程不含Python3、Conda以及Ollama安装展示，请自行按照官方手册进行配置。 相关官网链接：

• Milvus官网：https://milvus.io/docs/prerequisite-docker.md

• Code Context：https://github.com/zilliztech/code-context

• Kiro官网：<https://kiro.dev/>

• Python3官网：https://www.python.org/

• Ollama官网：https://ollama.com

• Docker官网：https://www.docker.com/

•   部署环境要求 必要条件：

• CPU：8核

• 内存：至少16GB

• 硬盘：至少100GB

1.部署Milvus向量数据库

1.1下载部署文件

wget https://github.com/milvus-io/milvus/releases/download/v2.5.12/milvus-standalone-docker-compose.yml -O docker-compose.yml

1.2启动Milvus服务

docker-compose up -d
docker-compose ps -a

2.Ollama下载模型

ollama  pull nomic-embed-text:latest
3.安装初始化Kiro

3.1初始化KIRO并登录账户

说明1：当前AWS开启了候补限制，安装包需官方发送下载地址邮件。

说明2：请使用登记候补所使用的邮箱进行登录

3.2Vscode配置同步

3.3打开Kiro主界面

3.4两种模式，小白或专家同时支持

Vibe模式：只靠聊天来写代码。适合快速做出Demo、快速迭代小功能。不依赖使用者有技术背景。

Spec模式：适合写正式的生产级别代码！它会优先创建需要文档和设计，然后再开始写。专业用户建议优先用它。

4.安装Code-Context

npm install @zilliz/code-context-mcp

4.1Kiro配置MCP-Server

说明：建议user和workspace配置相同

{
  "mcpServers": {
    "code-context": {
      "command": "npx",
      "args": [
        "-y",
        "@zilliz/code-context-mcp@latest"
      ],
      "env": {
        "EMBEDDING_PROVIDER": "Ollama",
        "OLLAMA_HOST": "http://localhost:11434",
        "OLLAMA_MODEL": "nomic-embed-text:latest",
        "MILVUS_ADDRESS": "192.168.7.147:19530"
      }
    }
  }
}

04

测试验证MCP效果

1.第一步clone演示项目

说明：下载Code-Context项目到本地

git clone https://github.com/zilliztech/code-context.git

2.第二步调出MCP选项

说明：如果MCP配置失败在菜单中看不到MCP服务列表的

3.第三步使用MCP索引整个代码仓库

说明：本地Ollama性能受限，MCP会抛出超时错误可以忽略。

4.第四步尝试搜索代码中某个功能

写在结尾

最近一年多来，市面上的IDE产品越来越多，Cursor、Claude code、Trae、Augment，还有前不久国内的阿里、腾讯也推出了相关的产品，可以预见这个市场会变得越来越卷（开发者们可以薅的羊毛也会越来越多）。

围绕代码生成、交互界面、多版本代码保护、错误修改这些基础能力，所有产品的建设将会逐渐趋同。

真正拉开彼此差距的将会是代码理解、关键数据结构理解、业务逻辑理解、接口设计能力、架构设计能力，这些越来越深度、越来越专家的需求满足。

Code Context +IDE不会解决关于AI编程的所有问题，但是关于所有需要代码理解、架构理解的地方，不妨先试一试，也许就能让你的IDE工具少几次抽风，能更理解你到底想要什么。