🚀 基于Qdrant持久化的MCP内存服务器

此MCP服务器借助Qdrant向量数据库，实现了基于知识图谱的语义搜索功能，为用户提供强大且高效的搜索体验。

🚀 快速开始

此MCP服务器提供了一个基于知识图谱的语义搜索功能实现，使用Qdrant向量数据库作为支撑。你可参考后续的安装配置步骤，快速搭建并使用该服务。

✨ 主要特性

• 🌟 基于图的知识表示，支持实体及其关系，能更全面地存储和呈现知识。
• 💾 文件持久化（memory.json），确保数据的稳定性和可恢复性。
• 🔍 使用Qdrant向量数据库的语义搜索，实现高效的内容检索。
• 🧠 OpenAI嵌入式模型进行语义相似度计算，提升搜索的准确性。
• 🔒 支持HTTPS协议及反向代理兼容性，保障数据传输安全。
• 🐳 Docker环境下的轻松部署支持，简化部署流程。

📦 安装指南

本地安装

1. 安装依赖：

npm install

2. 构建服务端：

npm run build

Docker部署

1. 构建Docker镜像：

docker build -t mcp-qdrant-memory .

2. 使用环境变量运行容器：

docker run -d \
  -e OPENAI_API_KEY=your-openai-api-key \
  -e QDRANT_URL=https://your-qdrant-server \
  -e QDRANT_API_KEY=your-qdrant-api-key \
  -e QDRANT_COLLECTION_NAME=your-collection-name \
  --name mcp-memory-server \
  mcp-qdrant-memory

💻 使用示例

工具接口

• createEntity(entityData: object): Promise
  创建并存储实体数据。
• getEntities(query?: string): Promise<Entity[]>
  根据可选查询参数获取实体列表，默认返回所有实体。
• updateEntity(entityId, entityData: object): Promise
  更新指定实体的属性数据。
• deleteEntity(entityId: string): Promise
  删除特定实体及其相关关系。

基础用法

// 创建两个实体
await createEntity({ id: "1", name: "Alice", age: 30 });
await createEntity({ id: "2", name: "Bob", age: 25 });

// 查询所有实体
const entities = await getEntities();
console.log("所有实体:", entities);

// 更新某个实体
await updateEntity("1", { age: 31 });
const alice = await getEntity("1");
console.log("Alice 更新后年龄:", alice.age); // 输出: 31

// 删除一个实体
await deleteEntity("2");
const remainingEntities = await getEntities();
console.log("剩余实体:", remainingEntities); // 输出: [ { id: "1", name: "Alice", age: 31 } ]

📚 详细文档

环境变量配置

以下为必需的环境变量：

# OpenAI API密钥用于生成嵌入
OPENAI_API_KEY=your-openai-api-key

# Qdrant服务器URL（支持HTTP和HTTPS）
QDRANT_URL=https://your-qdrant-server

# Qdrant API密钥（若启用了身份验证）
QDRANT_API_KEY=your-qdrant-api-key

# 使用的Qdrant集合名称
QDRANT_COLLECTION_NAME=your-collection-name

教育与文档

如需深入理解该系统的内部机制或进行二次开发，建议参考以下资源：

1. 官方文档
   MCP内存服务器文档
2. 技术博客系列
   • 知识图谱构建的最佳实践
   • Qdrant在语义搜索中的应用
   • 高可用性架构设计
3. 在线教程
   如何使用MCP内存服务器搭建知识检索系统

贡献指南

欢迎社区贡献，参与改进此项目：

1. 代码仓库地址

   git clone https://github.com/yourusername/mcp-memory-server.git
   

2. 问题反馈与建议 请在GitHub Issues区提交您遇到的问题或提出功能建议。

🔧 技术细节

• 数据持久化：所有实体及其关系均存储于memory.json文件中，确保服务重启后数据不丢失。
• 搜索机制：使用Qdrant向量数据库实现高效的语义搜索功能，支持文本相似度匹配和内容检索。
• 错误处理：集成完善的事物回滚机制，在网络波动或服务异常时保证数据一致性。

📄 许可证

本项目遵循MIT开源协议，允许自由使用、修改和分发。

⚠️ 重要提示

在使用该服务前，请确保正确配置环境变量，特别是OpenAI和Qdrant的API密钥，以保证服务的正常运行。

💡 使用建议

在进行开发和部署时，建议参考官方文档和技术博客系列，以更好地理解系统的内部机制和最佳实践。同时，及时在GitHub Issues区反馈问题和提出建议，有助于项目的持续改进。