Redis 官方在 AI 方向连续放出两个开源项目：官方 MCP 服务 mcp-redis，让 AI 直接读写 Redis；官方技能包 agent-skills，把 Redis 团队沉淀的最佳实践打包成 AI 可加载的指令。两者配合 Claude Code 使用，用自然语言就能操作数据库。
两个项目分别解决什么
MCP（Model Context Protocol）是让 AI 访问外部数据和工具的标准协议。mcp-redis 是 Redis 官方推出的 MCP 服务实现，相当于给 AI 一套现成的 Redis 操作工具，装上之后可以用自然语言直接操作 Redis，比如“缓存这个数据，1 小时后过期”“数据库里现在有多少个 key”。
工具覆盖面很广：String、Hash、List、Set、Sorted Set、Stream、Pub/Sub、JSON 这些常用数据类型都有对应工具，还支持向量索引和向量搜索，另外提供查询服务器状态、搜索官方文档的能力。在 Claude Code 里执行 /mcp，可以看到它一共提供了 47 个工具。
agent-skills 是 Redis 官方维护的技能合集，把团队最佳实践整理成 8 个技能：
| 技能 | 内容 |
|---|---|
| redis-core | 数据结构选型、key 命名规范、内存与 TTL、JSON vs Hash |
| redis-connections | 连接池、多路复用、pipeline、超时与慢命令 |
| redis-search | 搜索与聚合、向量相似度（HNSW/FLAT）、混合检索、RAG |
| redis-semantic-cache | LangCache 语义缓存、相似度阈值调优 |
| redis-clustering | hash tag、避免 CROSSSLOT、副本读取 |
| redis-security | 认证与 TLS、ACL 最小权限、命令重命名 |
| redis-observability | INFO 指标、SLOWLOG、MEMORY DOCTOR、Redis Insight |
| iris-development | Redis Agent Memory（Iris）的接入 |
两者关系可以这样理解：MCP 相当于 AI 的手，提供读写 Redis 的执行通道，解决“能不能操作”；Skill 不执行任何命令，相当于 AI 的脑，在干活时把官方最佳实践加载进来，解决“操作得专不专业”。
部署：uv 加 cc-switch
第一步装 uv。mcp-redis 是 Python 生态项目，发布在 PyPI 上，官方推荐用 uvx 运行，它是 uv 自带的命令，可以理解为 Python 版的 npx。Windows 下可以直接：
winget install astral-sh.uv
第二步起一个本地 Redis，没有现成实例时用 Docker 最快：
docker run --name redis8 -p 6379:6379 -d redis:8.0
第三步配置 MCP。资料里用的是 cc-switch——一款统一管理 Claude Code、Codex、Gemini CLI 配置的开源工具，可以在图形界面维护 MCP 配置并一键同步到各个 AI 工具，省去手改配置文件。进入 MCP 管理面板添加一项，名称填 redis-mcp，类型选 stdio，JSON 配置如下：
{
"type": "stdio",
"command": "uvx",
"args": [
"--from", "redis-mcp-server@latest",
"--with", "mcp<2",
"redis-mcp-server",
"--url", "redis://192.168.3.101:6379/0"
]
}
--url 按自己的 Redis 地址修改。--with mcp<2 这一行别漏：当前版本的 redis-mcp-server 和刚发布的 SDK 2.0 不兼容，不加会启动报错，等官方适配后可以去掉。勾选启用到 Claude 应用并保存即可。回到 Claude Code 输入 /mcp 查看状态，显示 connected 就说明装好了；首次连接时 uvx 会自动下载依赖，稍等片刻。
Skill 安装
Skill 安装更简单，官方支持通过 Agent Skills CLI 完成，需要本地有 Node.js 环境，一行命令：
npx skills add redis/agent-skills
执行后会列出仓库里的 8 个技能，按提示选择要安装的技能和目标工具（比如 Claude Code）。
三个使用案例
自然语言存查数据。 直接说“帮我把用户张三的信息存到 Redis 里，姓名张三，年龄 28，邮箱 zhangsan@example.com”。Claude Code 会自动调用 MCP 的 json_set 工具，用 user:zhangsan 这样规范的 key 存成 JSON 结构，存完自动调用 json_get 回显确认。再问“张三的邮箱是多少？数据库里现在一共有多少个 key？”，它会调用对应查询工具并把结果整理成自然语言回复，全程不写一行代码。
带过期时间的缓存。 说“把这次会话的摘要缓存到 Redis，key 用 session:demo，1 小时后自动过期”，它会调用 json_set 存入并附带过期参数，之后还能让它用 TTL 确认剩余时间。
让 Skill 指导选型。 问“我要做一个游戏排行榜，实时按分数排名，用 Redis 的什么数据结构合适？帮我把示例数据写进去”。Claude Code 会基于 redis-core 技能回答：排行榜适合用 Sorted Set，它天然按分数排序，支持 ZADD/ZINCRBY 更新分数、ZREVRANGE 取降序 Top N，并按 game:demo:leaderboard 规范命名 key，最后调用 MCP 工具把示例数据真实写入 Redis。
安全与权限
官方资料中与安全直接相关的是 redis-security 技能，它覆盖三类主题：认证与 TLS、ACL 最小权限、命令重命名。也就是说，加载这个技能后，AI 在处理安全相关任务时会按这套实践办事。
以下是工程分析，不属于官方资料：MCP 给 AI 的是一条直连 Redis 的通道，--url 指向哪个库，AI 就能在哪个库上执行工具覆盖范围内的操作。部署时值得把 MCP 指向专用实例或专用库、按最小权限准备连接凭证，而不是直接挂生产主库；同时把 redis-security 技能一并装上，让安全实践在 AI 执行前被加载。
和自建工具调用的差异（工程分析）
自己写一套“让模型调 Redis”的工具并不难，但要自己定义工具 schema、自己封装各类命令、自己维护 key 命名与数据结构选型的约束，模型对 Redis 的理解也不会天然对齐官方实践。mcp-redis 的价值在于 47 个工具开箱即用、覆盖主要数据类型与向量检索；agent-skills 的价值在于把选型、命名、连接、集群、安全、可观测这些经验固化成 AI 可加载的指令。工具管“能做”，技能管“做对”。
Redis 的 AI 布局
| 能力 | 说明 |
|---|---|
| 向量搜索 | 原生支持 HNSW/FLAT 索引，KNN 与范围查询，还有轻量的 Vector Set 类型 |
| LangCache | 语义缓存服务，相似问题直接复用 LLM 响应，降低 API 成本 |
| Agent Memory | 给 AI Agent 提供会话记忆 + 长期记忆，REST API 和 SDK 接入 |
| Context Retriever | 把业务数据封装成 Agent 可靠调用的受管工具 |
| RedisVL | 面向 AI 应用的 Python 向量库 SDK |
| 框架集成 | LangChain、LangGraph、LlamaIndex、Semantic Kernel 等主流框架均有官方集成 |
| Redis Cloud MCP | 用自然语言管理 Redis Cloud 上的订阅和数据库资源 |
项目地址：Redis MCP 为 github.com/redis/mcp-redis，Redis Skill 为 github.com/redis/agent-skills。