Qdrant Vector Database

🚀 基于 Qdrant 的 MCP 服务器

本项目将 Qdrant 向量数据库与 MCP（模型控制协议）服务器相结合，构建了一个专门用于存储和检索代码片段的系统。该系统能够有效管理代码片段，并支持基于自然语言的搜索，为开发者提供了便捷的代码管理与查找方式。

✨ 主要特性

• 代码片段存储与管理：实现对代码片段的高效存储和有序管理。
• 自然语言基础的代码搜索：支持使用自然语言进行代码搜索，方便快捷。
• 语义搜索以获取相关代码：通过语义搜索，精准定位相关代码。
• Server-Sent Events (SSE) 传输支持：提供 SSE 传输方式，确保数据传输的实时性。

📦 系统架构

📚 MCP 工具

QDRANT MCP 服务器提供了以下实用工具：

1. qdrant-store

• 功能：将信息存储到 Qdrant 数据库。
• 输入：
  • information (字符串)：需要保存的信息。
  • metadata (JSON)：可选元数据。
• 输出：存储确认消息。

2. qdrant-find

• 功能：在 Qdrant 数据库中搜索相关信息。
• 输入：
  • query (字符串)：搜索使用的查询。
• 输出：返回 Qdrant 数据库存储的信息，以单独的消息形式呈现。

🚀 快速开始

前提条件

• Docker
• Docker Compose

安装与运行

1. 克隆存储库

git clone <repository-url>
cd <repository-name>

2. 启动服务

docker-compose up -d

3. 检查服务状态

docker-compose ps

访问服务

• Qdrant 界面：http://localhost:6333/dashboard
• MCP Server：http://localhost:8000
• 在 cursor 等 AI IDE 中设置时，可以使用以下 JSON 格式进行配置：

    "qdrant": {
      "url": "http://localhost:8000/sse"
    },

🔧 环境变量

Qdrant

• RUST_LOG：日志级别 (默认值：info)

MCP 服务器

• QDRANT_URL：Qdrant 服务器地址
• COLLECTION_NAME：集合名称
• EMBEDDING_MODEL：嵌入式模型
• TOOL_STORE_DESCRIPTION：存储工具描述
• TOOL_FIND_DESCRIPTION：搜索工具描述

📄 数据存储

数据将永久保存在 ./qdrant_storage 目录中。

💻 服务管理

查看日志

docker-compose logs -f

停止服务

docker-compose down

⚠️ 重要提示

• 定期备份 qdrant_storage 目录以防止数据丢失。
• 在生产环境中，请添加适当的安保配置。