mcp-server-qdrant

给 AI 助手接上 Qdrant 向量记忆,一句话实现语义搜索

mcp-server-qdrant 是 Qdrant 官方推出的模型上下文协议(MCP)服务器实现,旨在将 Qdrant 向量数据库无缝集成到支持 MCP 的 AI 应用中。它解决了 AI 助手在对话中无法直接访问持久化向量存储的问题,让大语言模型能够通过标准化的 MCP 接口执行向量检索、相似度搜索、集合管理、点(point)的增删改查等操作。核心能力包括:支持全文检索和混合搜索、提供工具定义(如 qdrant-search、qdrant-store)供模型调用、支持内存与分布式部署模式、可通过 Docker 快速启动。项目基于 Python 构建,利用 FastMCP 框架实现协议交互,适合需要为 RAG 应用添加长期记忆或知识库检索能力的开发者。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1537
维护状态 较活跃
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队qdrant
所属国家
定价模式free
价格说明开源项目,Apache-2.0 许可证,可自行部署使用,无付费版本。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型claude,cursor,llm,mcp,mcp-server,semantic-search,windsurf
GitHub 星标★ 1537
30天Star增速
HF 下载量
上线时间2024-12-02 00:00:00
最近更新2026-09-22 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

难度:入门 约 15 分钟 部署方式:Docker 6 步

环境要求

  • 一个可访问的 Qdrant 实例(云端 URL 或本地数据库路径)
  • 支持 MCP 的客户端:Claude Desktop、VS Code 或 Cursor 等
  • 使用 uvx/Docker/Smithery 之一作为运行方式(uvx 与 Docker 需已安装)
  • Qdrant 云服务需准备 API Key 与集群地址(形如 https://xyz-example.eu-central.aws.cloud.qdrant.i

安装与启动步骤

  1. 1准备 Qdrant 连接信息

    确定目标向量库地址与密钥:云服务用 QDRANT_URL + QDRANT_API_KEY,本地模式改用 QDRANT_LOCAL_PATH 指向数据库目录。

  2. 2用 Docker 启动服务

    按需替换地址、密钥和集合名;必须设置 FASTMCP_SERVER_HOST 为 0.0.0.0,容器外才能访问服务。

    docker run -p 8000:8000 -e FASTMCP_SERVER_HOST="0.0.0.0" -e QDRANT_URL="http://your-qdrant-server:6333" -e QDRANT_API_KEY="your-api-key" -e COLLECTION_NAME="your-collection" mcp-server-qdrant
  3. 3用 Smithery 自动安装

    面向 Claude Desktop 的一键安装命令,会写入客户端配置,适合不想手动改 JSON 的用户。

    npx @smithery/cli install mcp-server-qdrant --client claude
  4. 4配置 Claude Desktop

    在 claude_desktop_config.json 的 mcpServers 中加入该项;本地模式则把 QDRANT_URL/QDRANT_API_KEY 换成 QDRANT_LOCAL_PATH。

    {
      "qdrant": {
        "command": "uvx",
        "args": ["mcp-server-qdrant"],
        "env": {
          "QDRANT_URL": "https://xyz-example.eu-central.aws.cloud.qdrant.io:6333",
          "QDRANT_API_KEY": "your_api_key",
          "COLLECTION_NAME": "your-collection-name",
          "EMBEDDING_MODEL": "sentence-transformers/all-MiniLM-L6-v2"
        }
      }
    }
  5. 5配置 VS Code 工作区

    在工作区新建 .vscode/mcp.json,写入 servers 配置;输入项会在启动时提示填写地址、密钥和集合名。

    {
      "inputs": [
        {"type": "promptString", "id": "qdrantUrl", "description": "Qdrant URL"},
        {"type": "promptString", "id": "qdrantApiKey", "description": "Qdrant API Key", "password": true},
        {"type": "promptString", "id": "collectionName", "description": "Collection Name"}
      ],
      "servers": {
        "qdrant": {
          "command": "uvx",
          "args": ["mcp-server-qdrant"],
          "env": {
            "QDRANT_URL": "${input:qdrantUrl}",
            "QDRANT_API_KEY": "${input:qdrantApiKey}",
            "COLLECTION_NAME": "${input:collectionName}"
          }
        }
      }
    }
  6. 6开发模式调试

    在源码目录用 fastmcp dev 启动服务并自动打开浏览器中的 MCP inspector,便于查看工具调用情况。

    COLLECTION_NAME=mcp-dev fastmcp dev src/mcp_server_qdrant/server.py

关键配置

配置项必填说明示例
QDRANT_URL否Qdrant 服务地址,云端或自建服务使用http://your-qdrant-server:6333
QDRANT_API_KEY否Qdrant 云服务的访问密钥your-api-key
QDRANT_LOCAL_PATH否本地 Qdrant 数据库目录,用于免服务端本地模式/path/to/qdrant/database
COLLECTION_NAME是默认集合名,不存在时服务会自动创建your-collection
EMBEDDING_MODEL否编码记忆用的嵌入模型,仅支持 FastEmbed 模型sentence-transformers/all-MiniLM-L6-v2
FASTMCP_SERVER_HOST否容器内监听地址,置为 0.0.0.0 才能被外部访问0.0.0.0

如何确认成功

Docker 容器无报错运行且 8000 端口可访问;或在客户端中让助手调用 qdrant-store 存一条信息、再用 qdrant-find 检索到该内容。

常见问题

Q:支持哪些嵌入模型?

A:目前仅支持 FastEmbed 提供的模型,默认使用 sentence-transformers/all-MiniLM-L6-v2,可通过 EMBEDDING_MODEL 更换。

Q:目标集合不存在怎么办?

A:服务器会在启动/使用时自动创建指定名称的集合,无需手动建表。

Q:没有 Qdrant 云服务,能用本地库吗?

A:可以,把 QDRANT_URL 与 QDRANT_API_KEY 换成 QDRANT_LOCAL_PATH 指向本地数据库目录即可。

Q:Docker 启动后客户端连不上?

A:确认已设置 FASTMCP_SERVER_HOST="0.0.0.0" 并正确映射 8000 端口,否则服务只监听容器内部。

Q:调用工具时还要传 collection_name 吗?

A:若已配置默认 COLLECTION_NAME,则工具中的 collection_name 字段不会启用,无需再传。

注意事项

  • QDRANT_API_KEY 属于敏感信息,不要写进公开仓库或共享配置文件。
  • Docker 与 uvx 两种方式只需选一种,重复配置同一客户端可能造成冲突。
  • 开发模式命令需在项目源码根目录执行,且依赖 fastmcp 已可用。

核心亮点

  • 官方出品,与 Qdrant 核心 API 同步更新,兼容性有保障
  • 支持混合搜索(向量+全文),检索精度更高
  • 提供 Docker 一键启动,本地或远程部署都方便

不足之处

  • 文档偏少,高级配置(如认证、分片)需自行摸索
  • 依赖 MCP 生态,非 MCP 客户端无法直接使用

适用场景

  • 构建带长期记忆的聊天机器人,存储对话历史
  • 为 RAG 应用提供可插拔的向量检索后端
  • 在 IDE 或智能代理中实现代码库语义搜索

替代项目

mcp-server-chroma、mcp-server-pinecone、mcp-server-weaviate

项目介绍

mcp-server-qdrant 是智能体领域的开源项目,由 qdrant 开发,2024 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(1,537)位列前 30%,在智能体分类中处于中上游。

近 42 天,它的 GitHub 星标从 1,497 增加到 1,537,净增 40。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-22。Apache-2.0 许可证,可自行部署使用,无付费版本。

它主要面向的使用场景是:构建带长期记忆的聊天机器人,存储对话历史。同类可对比的替代方案包括 mcp-server-chroma、mcp-server-pinecone、mcp-server-weaviate。

上一篇:AutoGroq

下一篇:agent-flow

同类项目推荐

xinchao-dynamic-mind 开源

给 AI 装上疲惫和欲望,让交互更真实

独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。

★ 199 2026-08-09
deepseek-harness 开源

把 AI 能力拆成乐高积木,拼出你的专属智能体。

DeepSeek Harness: Everything is a Plugin.

★ 233327 2026-08-15
AutoGPT 开源

开箱即用的 AI 员工,交代任务就自己干完

AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mis···

★ 187492 2026-08-09
EvoAgentX 开源

让 AI 智能体自己迭代变强,越用越聪明

EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents

★ 3351 2026-09-12