qdrant/mcp-server-qdrant

解决的问题

该项目为大型语言模型（LLM）与 Qdrant（向量搜索引擎）的交互提供了一种标准化方式。它使 AI 应用能够将 Qdrant 作为语义记忆层，基于语义而非仅基于关键词来存储和检索信息。

工作原理

该项目实现了 Model Context Protocol (MCP)，作为一个服务器，向 MCP 兼容客户端（如 Claude Desktop、Cursor 或 VS Code）暴露特定工具。该服务器提供两个主要功能：

• qdrant-store：将文本信息和可选元数据保存到指定的 Qdrant 集合中。
• qdrant-find：基于自然语言查询，执行语义搜索，从数据库中检索最相关的信息。

它使用 fastembed 库生成嵌入，使用 sentence-transformers/all-MiniLM-L6-v2 作为默认模型。

适用人群

• AI 开发者：正在构建需要持久化、可搜索记忆的 LLM 驱动应用的开发者。
• 软件工程师：使用 AI 集成 IDE（如 Cursor 或 Windsurf）并希望为自己的代码片段和文档创建语义搜索工具的开发者。

亮点

• 多传输支持：支持 stdio、sse（Server-Sent Events）和 streamable-http，适用于本地和远程连接。
• 灵活部署：可通过 uvx、Docker 运行，或直接集成到 Claude Desktop 和 VS Code 中。
• 可自定义：可通过环境变量修改工具描述，从而改变 AI 对存储和检索工具的认知与使用方式。