Serviço de MCP baseado no mecanismo de pesquisa de vetores Qdrant

🚀 Convite para experimentar: o primeiro software de programação inteligente AI IDE da China Download da versão chinesa do TraeO DeepSeek-R1 e o Doubao-pro estão disponíveis em uma base ilimitada!

Introdução geral

O mcp-server-qdrant é um mecanismo de pesquisa de vetores criado com base no Qdrant Modelo de protocolo de contexto (MCP). Ele é usado principalmente para ajudar os sistemas de IA a armazenar e recuperar memórias e é particularmente adequado para cenários que exigem pesquisa semântica. Essa ferramenta permite o gerenciamento eficiente da memória semântica, transformando as informações em vetores. Ela oferece suporte a uma variedade de clientes, como Claude Desktop e Cursor, permitindo que os desenvolvedores ou usuários salvem e encontrem informações com facilidade. Seja para o gerenciamento de conhecimento pessoal ou para a pesquisa de código em equipe, o mcp-server-qdrant oferece uma solução fácil de usar. Ele usa o modelo FastEmbed para gerar embeddings e tem como padrão o modelo sentence-transformers/all-MiniLM-L6-v2Ele também é totalmente de código aberto, com base na licença Apache 2.0, e pode ser usado ou modificado livremente por qualquer pessoa.

Serviço MCP baseado no mecanismo de pesquisa vetorial Qdrant-1

Lista de funções

Armazenamento de informaçõesSalvar informações textuais e metadados em um banco de dados Qdrant, com suporte a descrições de linguagem natural e dados estruturados.
recuperação semânticaDescrição: encontre rapidamente as informações ou os trechos de código mais relevantes em um banco de dados com base em uma consulta.
Suporte a vários clientesFunciona perfeitamente com ferramentas compatíveis com MCP, como Claude Desktop, Cursor e outras.
Descrição da ferramenta personalizadaDescrição: permite que os usuários ajustem a descrição da loja e encontrem funções para atender a diferentes cenários, como pesquisa de código ou gerenciamento de conhecimento.
Modo local e remotoSuporte à flexibilidade de executar o Qdrant localmente ou conectar-se a um servidor remoto.
Suporte a modelos incorporadosUsa a tecnologia FastEmbed para fornecer geração eficiente de incorporação por padrão.

Usando a Ajuda

Processo de instalação

A instalação do mcp-server-qdrant é muito simples e pode ser feita de duas maneiras principais: usando o uvx Execute-o diretamente ou instale-o automaticamente no Claude Desktop via Smithery:

Método 1: Instalar e executar com o uvx

Preparação do ambienteVerifique se você tem o Python 3.10 ou superior instalado em seu computador e se instalou o pacote uvx(uma ferramenta leve de gerenciamento de pacotes Python). Se você não tiver o uvxque pode ser instalado com o seguinte comando:

pip install uv

Definição de variáveis de ambienteDigite o seguinte comando no terminal para configurar o endereço do servidor Qdrant e o nome da coleção.

QDRANT_URL="http://localhost:6333" COLLECTION_NAME="my-collection" uvx mcp-server-qdrant

QDRANT_URLEndereço do servidor Qdrant: O endereço do servidor Qdrant. Se você estiver executando o Qdrant localmente, poderá manter o valor padrão.
NOME_DA_COLEÇÃONome da coleção que você deseja usar, como "my-collection".
Se você precisar de uma chave de API, adicione QDRANT_API_KEY="Sua chave".

Servidor de operaçõesO servidor será iniciado depois que o comando for executado, por padrão usando o stdio Transfer Protocol. Se for necessário acesso remoto, você pode adicionar ---transporte sse Parâmetros:

QDRANT_URL="http://localhost:6333" COLLECTION_NAME="my-collection" uvx mcp-server-qdrant --transport sse

Método 2: Instalação no Claude Desktop via Smithery

Instalação do SmitheryVerifique se você tem um ambiente Node.js executando o seguinte comando em um terminal:

npx @smithery/cli install mcp-server-qdrant --client claude

Configuração do Claude Desktop: Editor claude_desktop_config.json no arquivo "mcpServers" Adicione o seguinte à seção:

{
"qdrant": {
"comando": "uvx",
"args": ["mcp-server-qdrant"],
"env": {
"qdrant_url": "http://localhost:6333", "env": {
"QDRANT_API_KEY": "Sua chave",
"COLLECTION_NAME": "O nome de sua coleção"
}
}
}

Iniciar Claude DesktopApós salvar a configuração, inicie o Claude Desktop e o servidor será executado automaticamente.

Configuração do modo local

Se não quiser depender de um servidor Qdrant remoto, você pode usar o modo local:

Substituir QDRANT_URL por causa de QDRANT_LOCAL_PATHespecifique o caminho do banco de dados local:

{
"qdrant": {
"comando": "uvx",
"args": ["mcp-server-qdrant"],
"env": {
"QDRANT_LOCAL_PATH":"/path/to/qdrant/database", "COLLECTION_NAME": {
"COLLECTION_NAME": "my-collection"
}
}
}

Após a execução, o Qdrant é iniciado no modo local e todos os dados são salvos no caminho especificado.

Funções principais

Função 1: Armazenamento de informações (`Armazenamento qdrant`)

usoSalvar informações no banco de dados do Qdrant, como texto, trechos de código ou anotações.
procedimento:
1. Prepare o conteúdo a ser armazenado, como um texto descritivo (informações) e metadados opcionais (metadados).
  - Exemplo:information="Esta é uma descrição de uma função da calculadora."(matemática) gênerometadata={"code": "def calc(x): return x + 1"}
2. Se estiver usando o Claude Desktop, abra o cliente e digite um comando semelhante:
```
qdrant-store information="Esta é uma descrição de uma função de calculadora" metadata={"code": "def calc(x): return x + 1"}
```
3. O servidor retorna uma mensagem de confirmação indicando que o armazenamento foi bem-sucedido.
tomar nota deMetadados: Os metadados são opcionais e podem ser usados para armazenar informações adicionais, como códigos ou rótulos.

Função 2: Recuperar informações (`qdrant-find`)

uso:: encontre o conteúdo mais relevante no banco de dados com base em consultas de linguagem natural.
procedimento:
1. Digite uma consulta, por exemplo, se você quiser encontrar o código de uma determinada função:
```
qdrant-find query="Funções da calculadora"
```
2. O servidor retorna correspondências, cada mensagem é exibida separadamente e pode conter uma descrição e um código nos metadados.
3. Examine os resultados retornados para encontrar o que você precisa.
dicaDescrição: Quanto mais específica for a consulta, mais preciso será o resultado. Por exemplo, "função de calculadora" é mais preciso do que "função".

Função 3: Pesquisa de código personalizado

usoTransforme o servidor em uma ferramenta de pesquisa de código para desenvolvedores.

Etapas de configuração:

Configuração de variáveis de ambiente e ajuste de descrições de ferramentas:

QDRANT_URL="http://localhost:6333" COLLECTION_NAME="code-snippets" \
TOOL_STORE_DESCRIPTION="Armazenar trechos de código, a informação é a descrição, os metadados contêm o código" \
TOOL_FIND_DESCRIPTION="Pesquisar trechos de código por descrição" \
uvx mcp-server-qdrant --transport sse

existir Cursor Configure o endereço do servidor em, por exemplo http://localhost:8000/sse.

Salve o código:

qdrant-store information="Calcular a soma de dois números" metadata={"code": "def add(a, b): return a + b"}

Código de pesquisa:

qdrant-find query="Função para somar dois números"

efeitoRetorna o trecho de código mais correspondente para facilitar a reutilização.

Exemplos de cenários de uso

Gerenciamento de conhecimento pessoalSalvar anotações ou fragmentos de documentos e recuperá-los em linguagem natural a qualquer momento.
Trabalho em equipe:: Execute servidores na nuvem para compartilhar código ou bases de conhecimento.
desenvolvimento localTestado no modo local, não depende da rede.

advertência

Certifique-se de que o serviço Qdrant seja iniciado (local ou remotamente).
O modelo de incorporação padrão é sentence-transformers/all-MiniLM-L6-v2O modelo só pode ser usado com modelos compatíveis com o FastEmbed.
O modo SSE é bom para acesso remoto e o stdio é bom para clientes locais.