Qdrant MCP Server

🚀 Qdrant MCP 服務器

Qdrant MCP 服務器是一個用於與 Qdrant 向量數據庫交互的工具。它提供了管理向量、執行相似搜索的功能，還能借助 MCP（主控程序）框架自動實現文本到向量的嵌入。

🚀 快速開始

Qdrant MCP 服務器可以在本地運行，也可以通過 Docker 運行。以下是具體的操作步驟：

本地運行

1. 安裝包：

pip install -e .

2. 運行服務器：

qdrant-mcp-server

Docker 運行

1. 構建 Docker 鏡像：

docker build -t qdrant-mcp-server .

2. 運行容器：

docker run -p 8000:8000 --env QDRANT_HOST=<your-qdrant-host> --env QDRANT_PORT=<your-qdrant-port> --env QDRANT_VERIFY_SSL=<True|False> qdrant-mcp-server

✨ 主要特性

• 使用 FastEmbed 自動進行文本到向量的嵌入
• 存儲和檢索帶有向量搜索的文本內容
• 通過環境變量配置默認集合
• 根據內容進行文本相似度搜索
• 使用優化模型高效嵌入

📦 安裝指南

基於 .env.example 模板創建一個 .env 文件：

# Qdrant 連接設置
QDRANT_HOST=localhost
QDRANT_PORT=6333
QDRANT_API_KEY=
QDRANT_VERIFY_SSL=True  # 如果使用自簽名證書，請設為 False

# 默認設置
DEFAULT_COLLECTION_NAME=default_collection
EMBEDDING_MODEL=BAAI/bge-small-en-v1.5

你可以將嵌入模型更改為任何受 FastEmbed 支持的模型。

💻 使用示例

基礎用法

存儲文本

await store_text(
    text="What is the capital of France?", 
    metadata={"category": "geography", "type": "question"}
)

搜索相似文本

await search_similar_text(
    query="What is Paris the capital of?",
    limit=5
)

批量存儲文本

await store_texts(
    texts=["Paris is in France", "London is in England", "Berlin is in Germany"],
    metadatas=[
        {"category": "geography", "country": "France"},
        {"category": "geography", "country": "England"},
        {"category": "geography", "country": "Germany"}
    ]
)

高級用法

測試

此包包含一個測試套件，用於驗證功能。要運行測試：

1. 安裝開發依賴項：

pip install -e ".[dev]"

2. 運行測試：

cd tests
./run_tests.py

或者直接使用 pytest：

pytest -xvs tests/

使用自簽名證書

如果您的 Qdrant 服務器使用自簽名證書，請在 .env 文件或運行 Docker 容器時將 QDRANT_VERIFY_SSL=False。這會禁用 SSL 證書驗證。

📚 詳細文檔

該服務器提供以下工具：

文本工具

• store_text：將文本轉換為嵌入向量並存儲在數據庫中
• search_similar_text：將查詢文本轉換為嵌入，並查找相似的向量
• store_texts：批量將多個文本轉換為嵌入並存儲

向量工具

• search_vectors：在集合中搜索相似向量
• upsert_vectors：將向量上傳到集合
• filter_search：使用元數據過濾器進行搜索

點工具

• get_points：從集合中按 ID 獲取點
• delete_points：從集合中按 ID 刪除點
• count_points：計算集合中的點數