qdrant/mcp-server-qdrant

해결하는 문제

이 프로젝트는 대규모 언어 모델(LLM)이 Qdrant(벡터 검색 엔진)과 상호작용하는 표준화된 방법을 제공합니다. AI 애플리케이션은 Qdrant을 의미 기반 메모리 계층으로 활용하여 키워드가 아닌 의미에 기반해 정보를 저장하고 검색할 수 있습니다.

작동 방식

Model Context Protocol (MCP)를 구현하여 Claude Desktop, Cursor, VS Code와 같은 MCP 호환 클라이언트와 통신하는 서버로 작동합니다. 서버는 다음 두 가지 주요 기능을 제공합니다:

• qdrant-store: 지정된 Qdrant 컬렉션에 텍스트 정보와 선택적 메타데이터를 저장합니다.
• qdrant-find: 자연어 질의에 기반해 데이터베이스에서 가장 관련성 있는 정보를 의미 기반 검색으로 검색합니다.

임베딩 생성에는 fastembed 라이브러리를 사용하며, 기본 모델로 sentence-transformers/all-MiniLM-L6-v2를 사용합니다.

대상 사용자

• AI 개발자: 지속적이고 검색 가능한 메모리가 필요한 LLM 기반 애플리케이션을 개발하는 사람.
• 소프트웨어 엔지니어: Cursor나 Windsurf과 같은 AI 통합 IDE를 사용하며, 자신의 코드 스니펫과 문서용 의미 기반 검색 도구를 만들고 싶은 사람.

주요 특징

• 다중 전송 방식 지원: stdio, sse (Server-Sent Events), streamable-http를 지원하여 로컬 및 원격 연결 모두 가능합니다.
• 유연한 배포: uvx, Docker, 또는 Claude Desktop과 VS Code에 직접 통합하여 실행할 수 있습니다.
• 사용자 정의 가능: 환경 변수를 통해 도구 설명을 수정할 수 있어 AI가 저장 및 검색 도구를 어떻게 인식하고 사용할지 조정할 수 있습니다.