qdrant/mcp-server-qdrant

解決的問題

本專案為大型語言模型（LLM）與 Qdrant（向量搜尋引擎）互動提供標準化方式。讓 AI 應用能將 Qdrant 作為語意記憶層，根據語意而非僅關鍵字來儲存與檢索資訊。

運作方式

實作 Model Context Protocol (MCP)，作為一個伺服器，向 MCP 相容的客戶端（如 Claude Desktop、Cursor 或 VS Code）暴露特定工具。伺服器提供兩個主要功能：

• qdrant-store：將文字資訊與可選的元資料儲存至指定的 Qdrant 集合中。
• qdrant-find：根據自然語言查詢執行語意搜尋，從資料庫中檢索最相關的資訊。

使用 fastembed 套件產生嵌入，預設模型為 sentence-transformers/all-MiniLM-L6-v2。

適用對象

• AI 開發者：正在開發需要持久化、可搜尋記憶的 LLM 驅動應用的開發者。
• 軟體工程師：使用 AI 整合 IDE（如 Cursor 或 Windsurf），並希望為自己的程式碼片段與文件建立語意搜尋工具的開發者。

特色

• 多傳輸支援：支援 stdio、sse（Server-Sent Events）與 streamable-http，適用於本地與遠端連線。
• 彈性部署：可透過 uvx、Docker 執行，或直接整合至 Claude Desktop 與 VS Code 中。
• 可自訂：可透過環境變數修改工具描述，調整 AI 對儲存與檢索工具的認知與使用方式。