使用说明

项目简介

本项目 'mcp-server-qdrant' 是一个基于 Qdrant 向量数据库构建的 MCP 服务器，旨在为大型语言模型（LLM）提供代码片段的检索和存储功能。它通过暴露 'qdrant-find' 和 'qdrant-store' 两个工具，使得 LLM 能够搜索已存储的代码片段并存储新生成的代码片段，从而在代码生成任务中实现代码复用和知识积累。该服务器特别适用于需要 LLM 生成前端代码的场景，可以通过预先存储 DaisyUI 等组件的代码片段，并让 LLM 在生成代码前先检索相关片段，提高代码生成质量和一致性。

主要功能点

代码片段检索 (qdrant-find): 允许 LLM 根据自然语言描述搜索 Qdrant 向量数据库中相似的代码片段，用于代码复用和参考。
代码片段存储 (qdrant-store): 允许 LLM 将新生成的代码片段及其描述存储到 Qdrant 向量数据库，构建代码知识库。
基于 Qdrant 向量数据库: 利用 Qdrant 的高效向量检索能力，实现快速准确的代码片段查找。
工具化接口: 通过 MCP 协议的标准工具接口与 LLM 客户端交互，易于集成和使用。
可配置工具描述: 允许用户自定义工具的描述信息，以便更好地引导 LLM 使用工具。

安装步骤

克隆仓库: 首先克隆 'webinar-vibe-coding-rag' 仓库到本地。虽然仓库名看起来是关于 RAG 应用的，但 'mcp-server-qdrant' 子目录是独立的 MCP 服务器实现。
安装 Qdrant: 确保已安装并运行 Qdrant 向量数据库。你可以使用 Docker 快速启动 Qdrant，参考仓库中的 '.scripts/run-qdrant.sh' 脚本。默认 Qdrant 地址为 'http://localhost:6333'。

配置环境变量: 根据你的需求配置工具的描述信息。在启动 MCP 服务器之前，设置 'TOOL_FIND_DESCRIPTION' 和 'TOOL_STORE_DESCRIPTION' 环境变量。例如：

export TOOL_FIND_DESCRIPTION="使用此工具在生成任何前端代码之前。它可以让你根据自然语言描述搜索相关的代码片段。'query' 参数应该描述你正在寻找什么，工具将返回最相关的代码片段。如果此工具找到类似的东西，那么创建你的代码使其保持一致。尽可能重用现有代码。"
export TOOL_STORE_DESCRIPTION="存储可重用的前端代码片段以供将来检索。'information' 参数应包含代码作用的自然语言描述，而实际代码应包含在 'metadata' 参数中作为 'code' 属性。'metadata' 的值是一个以字符串为键的 Python 字典。当您生成一些代码以供进一步参考时，始终使用此选项。"

启动 MCP 服务器: 仓库中没有明确的 MCP 服务器启动命令。根据 'mcp-server-qdrant' 的目录结构和 FastAPI 的使用方式推测，MCP 服务器的启动命令可能需要在 'mcp-server-qdrant' 目录下，并运行类似 'uvicorn main:app --reload' 的命令。你需要自行查找或构建 'mcp-server-qdrant' 目录下的 FastAPI 应用启动文件 (例如 'main.py' 或 'app.py')，并使用 uvicorn 或类似的 ASGI 服务器运行它。 请注意，仓库中没有直接提供可运行的 MCP 服务器代码，需要用户自行根据 FastAPI 项目结构进行推断和配置。

服务器配置 (MCP 客户端配置)

以下是 MCP 客户端 (例如 Claude Code) 连接 'mcp-server-qdrant' MCP 服务器所需的配置信息 (JSON 格式)。请注意，这里假设 MCP 服务器的启动命令是 'uvicorn main:app --reload' 并且 FastAPI 应用文件为 'main.py'，实际情况可能需要根据 'mcp-server-qdrant' 目录下的代码进行调整。

{
  "serverName": "qdrant-code-search",
  "command": "uvicorn",
  "args": [
    "main:app",  // 假设 FastAPI 应用在 main.py 文件的 app 实例中
    "--reload",   // 启用热重载，方便开发
    "--host", "0.0.0.0", // 监听所有网络接口
    "--port", "8000",    // 默认端口为 8000，可根据实际情况修改
    "-e", "QDRANT_URL=http://localhost:6333", // Qdrant 服务器地址，根据实际情况修改
    "-e", "COLLECTION_NAME=mcp-server-qdrant-knowledge-base", // Qdrant 集合名称，可自定义
    "-e", "TOOL_FIND_DESCRIPTION=使用此工具在生成任何前端代码之前。它可以让你根据自然语言描述搜索相关的代码片段。'query' 参数应该描述你正在寻找什么，工具将返回最相关的代码片段。如果此工具找到类似的东西，那么创建你的代码使其保持一致。尽可能重用现有代码。", // 工具描述，与环境变量保持一致
    "-e", "TOOL_STORE_DESCRIPTION=存储可重用的前端代码片段以供将来检索。'information' 参数应包含代码作用的自然语言描述，而实际代码应包含在 'metadata' 参数中作为 'code' 属性。'metadata' 的值是一个以字符串为键的 Python 字典。当您生成一些代码以供进一步参考时，始终使用此选项。"  // 工具描述，与环境变量保持一致
  ]
}

配置说明:

'serverName': MCP 服务器的名称，客户端用于标识和引用。
'command': 启动 MCP 服务器的命令，这里假设使用 'uvicorn' 运行 FastAPI 应用。
'args': 启动命令的参数列表。
- 'main:app': 指定 uvicorn 运行的 FastAPI 应用模块和实例。
- '--reload': 启用代码热重载，方便开发调试。
- '--host', '--port': 指定服务器监听的地址和端口。
- '-e ...': 通过环境变量传递配置信息，包括 Qdrant 地址、集合名称和工具描述。请确保工具描述与你在客户端配置中使用的描述一致。

请务必根据 'mcp-server-qdrant' 目录下的实际代码结构和 FastAPI 应用启动方式，调整上述配置信息。

基本使用方法

启动 MCP 服务器: 按照上述 "安装步骤" 中的说明启动 'mcp-server-qdrant' MCP 服务器。
配置 MCP 客户端: 在支持 MCP 协议的 LLM 客户端 (例如 Claude Code) 中，添加上述 "服务器配置" JSON 信息，将 'qdrant-code-search' 添加为可用的 MCP 服务器。
在 LLM 中使用工具: 在 LLM 的交互过程中，当 LLM 需要搜索代码片段或存储代码片段时，它应该能够根据工具描述选择并调用 'qdrant-find' 和 'qdrant-store' 工具。你需要根据具体的 LLM 客户端使用方法，引导 LLM 使用这些工具。例如，你可以指示 LLM "在生成前端代码之前，先使用 'qdrant-find' 工具搜索相关代码片段"。

注意: 本仓库主要作为 Webinar 的示例材料，'mcp-server-qdrant' 部分可能需要用户进行一定的配置和调整才能作为 полноценный MCP 服务器运行。请仔细阅读仓库代码和文档，根据实际情况进行配置。

关键词