Qdrant MCP 服务器

一个用于与 Qdrant 向量数据库交互的 MCP 服务器。此服务器提供了管理向量、执行相似搜索以及自动使用文本到向量嵌入（通过 MCP（主控程序）框架）的工具。

功能

• 使用 FastEmbed 自动进行文本到向量的嵌入
• 存储和检索带有向量搜索的文本内容
• 通过环境变量配置默认集合
• 根据内容进行文本相似度搜索
• 使用优化模型高效嵌入

配置

基于 .env.example 模板创建一个 .env 文件：

# Qdrant 连接设置
QDRANT_HOST=localhost
QDRANT_PORT=6333
QDRANT_API_KEY=
QDRANT_VERIFY_SSL=True  # 如果使用自签名证书，请设为 False

# 默认设置
DEFAULT_COLLECTION_NAME=default_collection
EMBEDDING_MODEL=BAAI/bge-small-en-v1.5

你可以将嵌入模型更改为任何受 FastEmbed 支持的模型。

使用方法

本地运行

1. 安装包：

pip install -e .

2. 运行服务器：

qdrant-mcp-server

Docker 运行

1. 构建 Docker 镜像：

docker build -t qdrant-mcp-server .

2. 运行容器：

docker run -p 8000:8000 --env QDRANT_HOST=<your-qdrant-host> --env QDRANT_PORT=<your-qdrant-port> --env QDRANT_VERIFY_SSL=<True|False> qdrant-mcp-server

测试

此包包含一个测试套件，用于验证功能。要运行测试：

1. 安装开发依赖项：

pip install -e ".[dev]"

2. 运行测试：

cd tests
./run_tests.py

或者直接使用 pytest：

pytest -xvs tests/

使用自签名证书

如果您的 Qdrant 服务器使用自签名证书，请在 .env 文件或运行 Docker 容器时将 QDRANT_VERIFY_SSL=False。这会禁用 SSL 证书验证。

工具

该服务器提供以下工具：

文本工具

• store_text：将文本转换为嵌入向量并存储在数据库中
• search_similar_text：将查询文本转换为嵌入，并查找相似的向量
• store_texts：批量将多个文本转换为嵌入并存储

向量工具

• search_vectors：在集合中搜索相似向量
• upsert_vectors：将向量上传到集合
• filter_search：使用元数据过滤器进行搜索

点工具

• get_points：从集合中按 ID 获取点
• delete_points：从集合中按 ID 删除点
• count_points：计算集合中的点数

示例

存储文本

await store_text(
    text="What is the capital of France?", 
    metadata={"category": "geography", "type": "question"}
)

搜索相似文本

await search_similar_text(
    query="What is Paris the capital of?",
    limit=5
)

批量存储文本

await store_texts(
    texts=["Paris is in France", "London is in England", "Berlin is in Germany"],
    metadatas=[
        {"category": "geography", "country": "France"},
        {"category": "geography", "country": "England"},
        {"category": "geography", "country": "Germany"}
    ]
)