MCP Memory Server with Qdrant Persistence

带有 Qdrant 持久化的 MCP Memory 服务

该 MCP 服务提供了一个知识图谱实现，并具备由 Qdrant 向量数据库驱动的语义搜索能力。

特性

• 基于图谱的知识表示，包含实体和关系
• 基于文件的持久化（memory.json）
• 使用 Qdrant 向量数据库进行语义搜索
• 使用 OpenAI embeddings 实现语义相似度
• 支持 HTTPS，并兼容反向代理
• 支持 Docker，便于部署

环境变量

需要以下环境变量：

# OpenAI API key for generating embeddings
OPENAI_API_KEY=your-openai-api-key

# Qdrant server URL (supports both HTTP and HTTPS)
QDRANT_URL=https://your-qdrant-server

# Qdrant API key (if authentication is enabled)
QDRANT_API_KEY=your-qdrant-api-key

# Name of the Qdrant collection to use
QDRANT_COLLECTION_NAME=your-collection-name

设置

本地设置

1. 安装依赖：

npm install

2. 构建服务：

npm run build

Docker 设置

1. 构建 Docker 镜像：

docker build -t mcp-qdrant-memory .

2. 使用所需环境变量运行 Docker 容器：

docker run -d \
  -e OPENAI_API_KEY=your-openai-api-key \
  -e QDRANT_URL=http://your-qdrant-server:6333 \
  -e QDRANT_COLLECTION_NAME=your-collection-name \
  -e QDRANT_API_KEY=your-qdrant-api-key \
  --name mcp-qdrant-memory \
  mcp-qdrant-memory

添加到 MCP 设置：

{
  "mcpServers": {
    "memory": {
      "command": "/bin/zsh",
      "args": ["-c", "cd /path/to/server && node dist/index.js"],
      "env": {
        "OPENAI_API_KEY": "your-openai-api-key",
        "QDRANT_API_KEY": "your-qdrant-api-key",
        "QDRANT_URL": "http://your-qdrant-server:6333",
        "QDRANT_COLLECTION_NAME": "your-collection-name"
      },
      "alwaysAllow": [
        "create_entities",
        "create_relations",
        "add_observations",
        "delete_entities",
        "delete_observations",
        "delete_relations",
        "read_graph",
        "search_similar"
      ]
    }
  }
}

工具

实体管理

• create_entities：创建多个新实体
• create_relations：在实体之间创建关系
• add_observations：向实体添加观察项
• delete_entities：删除实体及其关系
• delete_observations：删除特定观察项
• delete_relations：删除特定关系
• read_graph：获取完整知识图谱

语义搜索

• search_similar：搜索语义相似的实体和关系

  interface SearchParams {
    query: string;     // Search query text
    limit?: number;    // Max results (default: 10)
  }
  

实现细节

该服务维护两种持久化形式：

1. 基于文件（memory.json）：

   • 完整的知识图谱结构
   • 快速访问完整图谱
   • 用于图谱操作

2. Qdrant 向量数据库：

   • 实体和关系的语义 embeddings
   • 支持相似度搜索
   • 自动与文件存储同步

同步

当实体或关系被修改时：

1. 更改会写入 memory.json
2. 使用 OpenAI 生成 embeddings
3. 向量存储到 Qdrant
4. 两种存储系统保持一致

搜索过程

搜索时：

1. 查询文本会转换为 embedding
2. Qdrant 执行相似度搜索
3. 结果同时包含实体和关系
4. 结果按语义相似度排序

使用示例

// Create entities
await client.callTool("create_entities", {
  entities: [{
    name: "Project",
    entityType: "Task",
    observations: ["A new development project"]
  }]
});

// Search similar concepts
const results = await client.callTool("search_similar", {
  query: "development tasks",
  limit: 5
});

HTTPS 和反向代理配置

该服务支持通过 HTTPS 和反向代理连接到 Qdrant。这在以下情况下特别有用：

• 在 Nginx 或 Apache 等反向代理后运行 Qdrant
• 使用自签名证书
• 需要自定义 SSL/TLS 配置

使用反向代理进行设置

1. 配置你的反向代理（使用 Nginx 的示例）：

server {
    listen 443 ssl;
    server_name qdrant.yourdomain.com;

    ssl_certificate /path/to/cert.pem;
    ssl_certificate_key /path/to/key.pem;

    location / {
        proxy_pass http://localhost:6333;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

2. 更新你的环境变量：

QDRANT_URL=https://qdrant.yourdomain.com

安全注意事项

该服务通过以下方式实现稳健的 HTTPS 处理：

• 自定义 SSL/TLS 配置
• 适当的证书验证选项
• 连接池和 keepalive
• 带指数退避的自动重试
• 可配置的超时

排查 HTTPS 连接问题

如果你遇到连接问题：

1. 验证你的证书：

openssl s_client -connect qdrant.yourdomain.com:443

2. 测试直接连通性：

curl -v https://qdrant.yourdomain.com/collections

3. 检查是否有任何代理设置：

env | grep -i proxy

贡献

1. Fork 仓库
2. 创建功能分支
3. 进行修改
4. 提交 pull request

许可证

MIT