AI导哈

Qdrant语义记忆服务

mcp-server-qdrant是一个基于Qdrant向量搜索引擎的MCP服务器，作为Qdrant数据库上的语义记忆层，支持存储和检索信息。它提供了两种主要工具：`qdrant-store`用于存储信息，`qdrant-find`用于检索相关信息。该服务可以与多种MCP兼容客户端（如Cursor、VS Code和Claude Code）集成，适用于代码片段管理、文档检索等场景。

  • by qdrant
  • 759 星标
  • 更新于
在 GitHub 查看 qdrant/mcp-server-qdrant

使用说明

基本能力

产品定位

mcp-server-qdrant是一个基于Qdrant向量搜索引擎的MCP服务器，作为Qdrant数据库上的语义记忆层。

核心功能

  1. qdrant-store工具：用于在Qdrant数据库中存储信息。

    • 输入参数：
      • information（字符串）：要存储的信息
      • metadata（JSON）：可选的元数据
      • collection_name（字符串）：存储信息的集合名称（如果没有默认集合名称，则此字段为必填项）
    • 返回：确认消息

  2. qdrant-find工具：用于从Qdrant数据库中检索相关信息。

    • 输入参数：
      • query（字符串）：用于搜索的查询
      • collection_name（字符串）：存储信息的集合名称（如果没有默认集合名称，则此字段为必填项）
    • 返回：存储在Qdrant数据库中的信息（作为单独的消息返回）

适用场景

  1. 代码片段管理：存储和检索可重用的代码片段
  2. 文档检索：基于语义搜索相关文档
  3. AI增强开发：与AI开发工具（如Cursor、VS Code）集成，提供上下文感知的开发体验

使用教程

使用依赖

需要安装Qdrant服务或配置Qdrant数据库连接。

安装教程

使用uvx安装

QDRANT_URL="http://localhost:6333" \
COLLECTION_NAME="my-collection" \
EMBEDDING_MODEL="sentence-transformers/all-MiniLM-L6-v2" \
uvx mcp-server-qdrant

使用Docker安装

# 构建容器
docker build -t mcp-server-qdrant .

# 运行容器
docker run -p 8000:8000 \
  -e FASTMCP_HOST="0.0.0.0" \
  -e QDRANT_URL="http://your-qdrant-server:6333" \
  -e QDRANT_API_KEY="your-api-key" \
  -e COLLECTION_NAME="your-collection" \
  mcp-server-qdrant

通过Smithery安装

npx @smithery/cli install mcp-server-qdrant --client claude

调试方式

开发模式

COLLECTION_NAME=mcp-dev fastmcp dev src/mcp_server_qdrant/server.py

使用MCP检查器

QDRANT_URL=":memory:" COLLECTION_NAME="test" \
fastmcp dev src/mcp_server_qdrant/server.py

然后访问 http://localhost:5173 使用检查器界面。

相关 MCP