qdrant/mcp-server-qdrant

解決する課題

このプロジェクトは、大規模言語モデル（LLM）がQdrant（ベクトル検索エンジン）とやり取りするための標準化された方法を提供します。AIアプリケーションがQdrantを意味的メモリ層として利用できるようにし、キーワードだけでなく意味に基づいて情報を保存・検索できるようにします。

動作方法

Model Context Protocol (MCP) を実装し、Claude Desktop、Cursor、VS CodeなどのMCP対応クライアントと通信するサーバーとして機能します。このサーバーは以下の2つの主要な機能を提供します：

• qdrant-store：指定されたQdrantコレクションにテキスト情報と任意のメタデータを保存します。
• qdrant-find：自然言語によるクエリに基づいて、データベースから最も関連性の高い情報を意味的検索で取得します。

埋め込み生成には fastembed ライブラリを使用し、デフォルトモデルとして sentence-transformers/all-MiniLM-L6-v2 を採用しています。

対象ユーザー

• AI開発者：永続的で検索可能なメモリを必要とするLLM駆動アプリケーションを開発している人。
• ソフトウェアエンジニア：CursorやWindsurfなどのAI統合IDEを使用しており、自社のコードスニペットやドキュメント用の意味的検索ツールを作成したい人。

特徴

• マルチトランスポート対応：stdio、sse（Server-Sent Events）、streamable-http をサポートし、ローカルおよびリモート接続に対応。
• 柔軟なデプロイ：uvx、Docker、またはClaude DesktopやVS Codeに直接統合して実行可能。
• カスタマイズ可能：環境変数でツールの説明を変更可能で、AIがストレージおよび取得ツールをどのように認識・使用するかを調整できます。