MCP Server Qdrant

這是一個基於Qdrant向量搜索引擎的MCP服務器實現，提供語義記憶存儲和檢索功能，支持與多種AI開發工具集成。

知識管理與記憶開發者工具 #向量搜索 #語義記憶 #AI集成 #開發工具 .Python

評分 : 2分

下載量 : 19

更新時間 : 2025-04-27

什麼是 Qdrant MCP 服務器？

Qdrant MCP 服務器作為 AI 應用程序的語義記憶層，支持通過自然語言查詢存儲和檢索信息。它與 Qdrant 向量數據庫集成，實現高效的信息管理。

如何使用？

Qdrant MCP 服務器的使用簡單直觀，支持多種接口和協議，適用於各類開發環境。

示例場景

例如，在智能客服、數據分析和內容檢索等領域，Qdrant MCP 服務器展現出強大的功能和靈活性。

特性

利用先進的向量搜索技術，實現快速準確的信息檢索。

模塊化設計，便於根據需求進行功能擴展和優化。

資源鏈接

深入瞭解 MCP 標準及其應用。

獲取 Qdrant 向量數據庫的最新信息和資源。

🚀 MCP 服務器：qdrant

MCP 服務器 qdrant 是專為 Model Context Protocol (MCP) 打造的參考實現，它能將 Qdrant 作為模型存儲服務使用。該服務器具備模型上傳、下載和刪除等核心功能，為模型管理提供了便利。

🚀 快速開始

安裝依賴

使用 pip 安裝必要的 Python 包：

pip install "qdrant-client>=2.0.1" "onnxruntime>=1.9.0" "tensorflow>=2.4.0"

運行服務器

在 Qdrant 上運行 MCP 服務器：

# 使用 Docker 運行 Qdrant 並綁定端口
docker run -p 6333:6333 qdrant/qdrant

# 啟動 MCP 服務器 qdrant
uvicorn mcp_server_qdrant.server:app --reload

訪問 API

MCP 服務器提供以下 RESTful API 接口：

上傳模型：POST /api/models
下載模型：GET /api/models/{model_id}
刪除模型：DELETE /api/models/{model_id}

✨ 主要特性

模型上傳：支持上傳 ONNX 和 TensorFlow（PB 格式）的模型文件。
模型下載：支持通過指定模型 ID 下載已上傳的模型文件。
模型刪除：提供刪除指定模型的功能。

📦 安裝指南

全局配置

在 VS Code 的全局設置中添加以下內容到 settings.json：

{
  "mcp.servers": {
    "qdrant": {
      "command": "uvicorn",
      "args": ["mcp_server_qdrant.server:app"],
      "env": {
        "QDRANT_URL": "http://localhost:6333"
      }
    }
  }
}

工作區配置

在工作區的根目錄下創建 .vscode/mcp.json 文件，內容如下：

{
  "servers": {
    "qdrant": {
      "command": "uvicorn",
      "args": ["mcp_server_qdrant.server:app"],
      "env": {
        "QDRANT_URL": "http://localhost:6333"
      }
    }
  }
}

Docker 配置

在工作區的根目錄下創建 .vscode/mcp.json 文件，內容如下：

{
  "servers": {
    "qdrant": {
      "command": "docker",
      "args": [
        "run",
        "-p", "8000:8000",
        "-i",
        "--rm",
        "-e", "QDRANT_URL=http://localhost:6333"
      ],
      "env": {
        "QDRANT_URL": "http://localhost:6333"
      }
    }
  }
}

💻 使用示例

上傳模型到 Qdrant

curl -X POST http://localhost:8000/api/models \
     -F "model=@/path/to/model.onnx" \
     -F "model_type=onnx"

下載指定 ID 的模型

curl -X GET http://localhost:8000/api/models/{model_id}

刪除指定 ID 的模型

curl -X DELETE http://localhost:8000/api/models/{model_id}

📚 詳細文檔

通過 VS Code 配置 MCP 服務器 qdrant

全局配置

在 VS Code 的全局設置中添加以下內容到 settings.json：

{
  "mcp.servers": {
    "qdrant": {
      "command": "uvicorn",
      "args": ["mcp_server_qdrant.server:app"],
      "env": {
        "QDRANT_URL": "http://localhost:6333"
      }
    }
  }
}

工作區配置

在工作區的根目錄下創建 .vscode/mcp.json 文件，內容如下：

{
  "servers": {
    "qdrant": {
      "command": "uvicorn",
      "args": ["mcp_server_qdrant.server:app"],
      "env": {
        "QDRANT_URL": "http://localhost:6333"
      }
    }
  }
}

Docker 配置

在工作區的根目錄下創建 .vscode/mcp.json 文件，內容如下：

{
  "servers": {
    "qdrant": {
      "command": "docker",
      "args": [
        "run",
        "-p", "8000:8000",
        "-i",
        "--rm",
        "-e", "QDRANT_URL=http://localhost:6333"
      ],
      "env": {
        "QDRANT_URL": "http://localhost:6333"
      }
    }
  }
}