Qdrant MCP 服务器

项目简介

mcp-server-qdrant 是一个 MCP 服务器，它将 Qdrant 向量搜索引擎作为大型语言模型（LLM）的语义记忆层。通过此服务器，LLM 可以存储信息到 Qdrant 数据库中，并在需要时检索相关信息，从而增强 LLM 的上下文理解和记忆能力。

主要功能点

信息存储 (qdrant-store): 允许 LLM 将文本信息及其相关的元数据存储到 Qdrant 数据库中，作为记忆保存下来。
信息检索 (qdrant-find): 允许 LLM 通过查询在 Qdrant 数据库中搜索相关的信息记忆，以便在对话或任务中利用这些信息。

安装步骤

推荐使用 'mcp' 命令行工具进行安装，无需额外步骤即可运行 mcp-server-qdrant。

打开终端并执行以下命令，确保已安装 'mcp' 工具 (https://github.com/modelcontextprotocol/python-sdk):

mcp install src/mcp_server_qdrant/server.py \
  -v QDRANT_URL="http://localhost:6333" \
  -v QDRANT_API_KEY="your_api_key" \
  -v COLLECTION_NAME="my_collection" \
  -v EMBEDDING_MODEL="sentence-transformers/all-MiniLM-L6-v2"

或者，您可以使用 Smithery 自动安装：

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

服务器配置

对于 MCP 客户端（如 Claude Desktop），您需要配置 MCP 服务器的连接信息。以下是配置示例，添加到客户端的 'claude_desktop_config.json' 文件的 "mcpServers" 部分：

连接到远程 Qdrant 服务器：

{
  "qdrant": {
    "command": "uvx",
    "args": ["mcp-server-qdrant"],
    "env": {
      "QDRANT_URL": "http://localhost:6333",  // Qdrant 服务器的 URL，例如：http://<your_qdrant_host>:<port>
      "QDRANT_API_KEY": "your_api_key",       // (可选) Qdrant 服务器的 API 密钥，如果需要
      "COLLECTION_NAME": "my_collection",    //  Qdrant 中用于存储记忆的集合名称，可以自定义
      "EMBEDDING_MODEL": "sentence-transformers/all-MiniLM-L6-v2" // 嵌入模型名称，默认已设置为推荐模型
    }
  }
}

使用本地 Qdrant 数据库文件：

{
  "qdrant": {
    "command": "uvx",
    "args": ["mcp-server-qdrant"],
    "env": {
      "QDRANT_LOCAL_PATH": "/path/to/qdrant/database", // 本地 Qdrant 数据库文件存储路径，例如：/data/qdrant_db
      "COLLECTION_NAME": "my_collection",    // Qdrant 中用于存储记忆的集合名称，可以自定义
      "EMBEDDING_MODEL": "sentence-transformers/all-MiniLM-L6-v2" // 嵌入模型名称，默认已设置为推荐模型
    }
  }
}

基本使用方法

配置完成后，您的 MCP 客户端（如 Claude Desktop）将能够使用以下工具：

qdrant-store (信息存储): 当 LLM 需要记住某些信息时，可以使用此工具将信息存储到 Qdrant 中。
qdrant-find (信息检索): 当 LLM 需要回忆或查找相关信息时，可以使用此工具在 Qdrant 中搜索并检索信息。

LLM 将根据其自身逻辑决定何时以及如何调用这些工具来增强其功能。您无需直接与服务器交互，只需在 MCP 客户端中配置并使用支持 MCP 协议的 LLM 应用即可体验其功能。

关键词

Qdrant MCP 服务器

信息