mcpField
M
MCP Server for Qdrant

MCP Server for Qdrant

本地服务
github.com/Jimmy974数据库084 周前更新
代码仓库

关于 MCP Server for Qdrant

MCP Server for Qdrant 将 MCP 客户端连接到 Qdrant 向量数据库，用于存储文本并通过语义搜索检索。适合需要保存可搜索文本及可选元数据的应用。

主要功能

  1. 01存储文本和可选元数据
  2. 02在 Qdrant 中进行语义搜索
  3. 03使用 FastEmbed 生成文本嵌入
  4. 04通过环境变量配置
  5. 05支持 Docker

适用场景

  1. 01保存信息以供后续检索
  2. 02按含义查找已存文本

MCP 相关

向 MCP 客户端提供 qdrant-store 和 qdrant-find 工具，用于向 Qdrant 写入信息并进行语义搜索。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址，请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

Qdrant MCP 服务

用于在 Qdrant 向量数据库中存储和检索信息的机器控制协议（MCP）服务。

功能

  • 在 Qdrant 中存储文本信息，并可选地附加元数据
  • 对已存储的信息进行语义搜索
  • 集成 FastEmbed，用于文本嵌入
  • 基于环境变量的配置
  • 支持 Docker

安装

使用 pip
pip install mcp-server-qdrant
从源代码安装
git clone https://github.com/your-org/mcp-server-qdrant.git
cd mcp-server-qdrant
make setup

配置

通过环境变量进行配置。你可以根据 .env.example 文件创建 .env 文件：

cp .env.example .env

编辑 .env 文件以配置服务：

# Qdrant configuration
QDRANT_URL=http://localhost:6333
QDRANT_API_KEY=your-api-key

# Collection name
COLLECTION_NAME=memories

# Embedding provider configuration
EMBEDDING_PROVIDER=fastembed
EMBEDDING_MODEL=sentence-transformers/all-MiniLM-L6-v2

使用

在本地运行
python -m mcp_server_qdrant.main

或者使用 make 命令：

make run
Docker
docker-compose up

工具

MCP 服务提供以下工具：

qdrant-store

在 Qdrant 数据库中存储信息。

information: The text to store
metadata: Optional JSON metadata to associate with the text
qdrant-find

使用语义搜索在 Qdrant 数据库中查找信息。

query: The search query

开发

测试
make test
格式化
make format
代码检查
make lint
构建
make build

许可证

Apache License 2.0

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。