Qdrant Vector Database

🚀 基於 Qdrant 的 MCP 服務器

本項目將 Qdrant 向量數據庫與 MCP（模型控制協議）服務器相結合，構建了一個專門用於存儲和檢索代碼片段的系統。該系統能夠有效管理代碼片段，並支持基於自然語言的搜索，為開發者提供了便捷的代碼管理與查找方式。

✨ 主要特性

• 代碼片段存儲與管理：實現對代碼片段的高效存儲和有序管理。
• 自然語言基礎的代碼搜索：支持使用自然語言進行代碼搜索，方便快捷。
• 語義搜索以獲取相關代碼：通過語義搜索，精準定位相關代碼。
• Server-Sent Events (SSE) 傳輸支持：提供 SSE 傳輸方式，確保數據傳輸的即時性。

📦 系統架構

📚 MCP 工具

QDRANT MCP 服務器提供了以下實用工具：

1. qdrant-store

• 功能：將信息存儲到 Qdrant 數據庫。
• 輸入：
  • information (字符串)：需要保存的信息。
  • metadata (JSON)：可選元數據。
• 輸出：存儲確認消息。

2. qdrant-find

• 功能：在 Qdrant 數據庫中搜索相關信息。
• 輸入：
  • query (字符串)：搜索使用的查詢。
• 輸出：返回 Qdrant 數據庫存儲的信息，以單獨的消息形式呈現。

🚀 快速開始

前提條件

• Docker
• Docker Compose

安裝與運行

1. 克隆存儲庫

git clone <repository-url>
cd <repository-name>

2. 啟動服務

docker-compose up -d

3. 檢查服務狀態

docker-compose ps

訪問服務

• Qdrant 界面：http://localhost:6333/dashboard
• MCP Server：http://localhost:8000
• 在 cursor 等 AI IDE 中設置時，可以使用以下 JSON 格式進行配置：

    "qdrant": {
      "url": "http://localhost:8000/sse"
    },

🔧 環境變量

Qdrant

• RUST_LOG：日誌級別 (默認值：info)

MCP 服務器

• QDRANT_URL：Qdrant 服務器地址
• COLLECTION_NAME：集合名稱
• EMBEDDING_MODEL：嵌入式模型
• TOOL_STORE_DESCRIPTION：存儲工具描述
• TOOL_FIND_DESCRIPTION：搜索工具描述

📄 數據存儲

數據將永久保存在 ./qdrant_storage 目錄中。

💻 服務管理

查看日誌

docker-compose logs -f

停止服務

docker-compose down

⚠️ 重要提示

• 定期備份 qdrant_storage 目錄以防止數據丟失。
• 在生產環境中，請添加適當的安保配置。