%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Qdrant With OpenAI Embeddings
什么是MCP Qdrant Server with OpenAI Embeddings？
MCP Qdrant Server with OpenAI Embeddings 是一个用于向量搜索的多功能工具，通过结合Qdrant数据库的强大存储能力和OpenAI嵌入模型的语义分析能力，实现高效的数据检索与管理。如何使用MCP Qdrant Server with OpenAI Embeddings？
只需安装依赖、配置环境变量，并启动服务器即可开始使用。支持多种查询方式，满足不同业务需求。适用场景
适用于需要进行大规模文本、图像或其他高维度数据检索的应用场景，如知识库构建、推荐系统开发等。主要功能
语义搜索利用OpenAI嵌入模型对查询文本进行语义分析，并在Qdrant集合中查找最相关的结果。
集合列表展示当前Qdrant数据库中的所有集合及其基本信息。
集合详情查看指定集合的详细配置和统计数据。
优势与局限性
优势
支持高效的语义搜索，提高数据检索精度。
易于集成到现有项目中，降低开发成本。
强大的分布式存储能力，适应大规模数据处理需求。
局限性
需要具备一定的Python编程基础才能完成部署。
对网络环境有一定要求，确保Qdrant服务稳定运行。
如何使用
安装依赖
克隆项目仓库后运行pip安装所需依赖。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
配置环境变量
设置OPENAI_API_KEY、QDRANT_URL和QDRANT_API_KEY等必要参数。
启动服务器
执行命令启动MCP Qdrant Server。
使用案例
案例1：查询气候相关文档在名为“climate”的集合中查找关于气候变化的文章。
案例2：获取集合详情查看名为“articles”的集合的具体信息。
常见问题
如何安装MCP Qdrant Server？
是否支持自定义嵌入模型？
相关资源
官方文档
详细的使用指南和技术参考。
GitHub仓库
源码地址及贡献指南。
精选MCP服务推荐
Figma Context MCP
Framelink Figma MCP Server是一个为AI编程工具（如Cursor）提供Figma设计数据访问的服务器，通过简化Figma API响应，帮助AI更准确地实现设计到代码的一键转换。
TypeScript
7.0K
4.5分
Duckduckgo MCP Server
已认证
DuckDuckGo搜索MCP服务器，为Claude等LLM提供网页搜索和内容抓取服务
Python
1.2K
4.3分
Firecrawl MCP Server
Firecrawl MCP Server是一个集成Firecrawl网页抓取能力的模型上下文协议服务器，提供丰富的网页抓取、搜索和内容提取功能。
TypeScript
4.4K
5分
Baidu Map
已认证
百度地图MCP Server是国内首个兼容MCP协议的地图服务，提供地理编码、路线规划等10个标准化API接口，支持Python和Typescript快速接入，赋能智能体实现地图相关功能。
Python
1.0K
4.5分
Edgeone Pages MCP Server
EdgeOne Pages MCP是一个通过MCP协议快速部署HTML内容到EdgeOne Pages并获取公开URL的服务
TypeScript
432
4.8分
Exa Web Search
已认证
Exa MCP Server是一个为AI助手（如Claude）提供网络搜索功能的服务器，通过Exa AI搜索API实现实时、安全的网络信息获取。
TypeScript
2.1K
5分
Minimax MCP Server
MiniMax Model Context Protocol (MCP) 是一个官方服务器，支持与强大的文本转语音、视频/图像生成API交互，适用于多种客户端工具如Claude Desktop、Cursor等。
Python
1.1K
4.8分
Context7
Context7 MCP是一个为AI编程助手提供实时、版本特定文档和代码示例的服务，通过Model Context Protocol直接集成到提示中，解决LLM使用过时信息的问题。
TypeScript
5.6K
4.7分