MCP Qdrant Server with OpenAI Embeddings

Integrations

  • Provides semantic search capabilities using OpenAI embeddings to convert text into vector representations for search queries

Servidor MCP Qdrant con incrustaciones de OpenAI

Este servidor MCP proporciona capacidades de búsqueda vectorial utilizando la base de datos vectorial Qdrant e incrustaciones OpenAI.

Características

  • Búsqueda semántica en colecciones de Qdrant mediante incrustaciones de OpenAI
  • Lista de colecciones disponibles
  • Ver información de la colección

Prerrequisitos

  • Python 3.10+ instalado
  • Instancia de Qdrant (local o remota)
  • Clave API de OpenAI

Instalación

  1. Clonar este repositorio:
    git clone https://github.com/yourusername/mcp-qdrant-openai.git cd mcp-qdrant-openai
  2. Instalar dependencias:
    pip install -r requirements.txt

Configuración

Establezca las siguientes variables de entorno:

  • OPENAI_API_KEY : Su clave API de OpenAI
  • QDRANT_URL : URL a su instancia de Qdrant (predeterminado: " http://localhost:6333 ")
  • QDRANT_API_KEY : Su clave API de Qdrant (si corresponde)

Uso

Ejecutar el servidor directamente

python mcp_qdrant_server.py

Ejecutar con MCP CLI

mcp dev mcp_qdrant_server.py

Instalación en Claude Desktop

mcp install mcp_qdrant_server.py --name "Qdrant-OpenAI"

Herramientas disponibles

colección de consultas

Busque en una colección Qdrant utilizando la búsqueda semántica con incrustaciones de OpenAI.

  • collection_name : Nombre de la colección de Qdrant para buscar
  • query_text : La consulta de búsqueda en lenguaje natural
  • limit : Número máximo de resultados a devolver (predeterminado: 5)
  • model : modelo de incrustación de OpenAI a utilizar (predeterminado: text-embedding-3-small)

listas_colecciones

Enumere todas las colecciones disponibles en la base de datos Qdrant.

información de la colección

Obtenga información sobre una colección específica.

  • collection_name : Nombre de la colección sobre la que se obtendrá información

Ejemplo de uso en Claude Desktop

Una vez instalado en Claude Desktop, puedes utilizar las herramientas de la siguiente manera:

What collections are available in my Qdrant database? Search for documents about climate change in my "documents" collection. Show me information about the "articles" collection.
-
security - not tested
F
license - not found
-
quality - not tested

Este servidor permite capacidades de búsqueda semántica utilizando la base de datos vectorial Qdrant e incrustaciones de OpenAI, lo que permite a los usuarios consultar colecciones, enumerar colecciones disponibles y ver información de colecciones.

  1. Características
    1. Prerrequisitos
      1. Instalación
        1. Configuración
          1. Uso
            1. Ejecutar el servidor directamente
            2. Ejecutar con MCP CLI
            3. Instalación en Claude Desktop
          2. Herramientas disponibles
            1. colección de consultas
            2. listas_colecciones
            3. información de la colección
          3. Ejemplo de uso en Claude Desktop

            Related MCP Servers

            • A
              security
              A
              license
              A
              quality
              This repository is an example of how to create a MCP server for Qdrant, a vector search engine.
              Last updated -
              2
              448
              Python
              Apache 2.0
            • -
              security
              A
              license
              -
              quality
              Provides RAG capabilities for semantic document search using Qdrant vector database and Ollama/OpenAI embeddings, allowing users to add, search, list, and delete documentation with metadata support.
              Last updated -
              5
              4
              TypeScript
              Apache 2.0
            • -
              security
              A
              license
              -
              quality
              A server that provides data retrieval capabilities powered by Chroma embedding database, enabling AI models to create collections over generated data and user inputs, and retrieve that data using vector search, full text search, and metadata filtering.
              Last updated -
              71
              Python
              Apache 2.0
            • -
              security
              A
              license
              -
              quality
              A Model Context Protocol server that enables semantic search capabilities by providing tools to manage Qdrant vector database collections, process and embed documents using various embedding services, and perform semantic searches across vector embeddings.
              Last updated -
              89
              TypeScript
              MIT License

            View all related MCP servers

            ID: x53v2khvkh