Qdrant Persistence를 갖춘 MCP 메모리 서버

이 MCP 서버는 Qdrant 벡터 데이터베이스로 구동되는 의미 검색 기능을 갖춘 지식 그래프 구현을 제공합니다.

특징

• 엔티티와 관계를 포함하는 그래프 기반 지식 표현

• 파일 기반 지속성(memory.json)

• Qdrant 벡터 데이터베이스를 사용한 의미 검색

• 의미적 유사성을 위한 OpenAI 임베딩

• 역방향 프록시 호환성을 갖춘 HTTPS 지원

• 간편한 배포를 위한 Docker 지원

환경 변수

다음 환경 변수가 필요합니다.

지엑스피1

설정

로컬 설정

1. 종속성 설치:

2. 서버를 빌드하세요:

도커 설정

1. Docker 이미지를 빌드합니다.

2. 필요한 환경 변수로 Docker 컨테이너를 실행합니다.

MCP 설정에 추가:

도구

엔티티 관리

• create_entities : 여러 개의 새 엔터티를 만듭니다.

• create_relations : 엔티티 간 관계 생성

• add_observations : 엔티티에 관찰 추가

• delete_entities : 엔티티와 엔티티 관계를 삭제합니다.

• delete_observations : 특정 관찰을 삭제합니다.

• delete_relations : 특정 관계 삭제

• read_graph : 전체 지식 그래프를 가져옵니다

의미 검색

• search_similar : 의미적으로 유사한 엔터티 및 관계 검색

  interface SearchParams { query: string; // Search query text limit?: number; // Max results (default: 10) }

구현 세부 사항

서버는 두 가지 형태의 지속성을 유지합니다.

1. 파일 기반(memory.json):

   • 완전한 지식 그래프 구조

   • 전체 그래프에 빠르게 접근

   • 그래프 작업에 사용됨

2. Qdrant 벡터 DB:

   • 엔티티 및 관계의 의미적 임베딩

   • 유사성 검색을 활성화합니다

   • 파일 저장소와 자동으로 동기화됨

동기화

엔터티 또는 관계가 수정되는 경우:

1. 변경 사항은 memory.json에 기록됩니다.

2. 임베딩은 OpenAI를 사용하여 생성됩니다.

3. 벡터는 Qdrant에 저장됩니다.

4. 두 저장 시스템은 일관성을 유지합니다.

검색 프로세스

검색할 때:

1. 쿼리 텍스트가 임베딩으로 변환됩니다.

2. Qdrant는 유사성 검색을 수행합니다.

3. 결과에는 엔터티와 관계가 모두 포함됩니다.

4. 결과는 의미적 유사성에 따라 순위가 매겨집니다.

사용 예

HTTPS 및 역방향 프록시 구성

이 서버는 HTTPS 및 역방향 프록시를 통한 Qdrant 연결을 지원합니다. 이는 특히 다음과 같은 경우에 유용합니다.

• Nginx 또는 Apache와 같은 역방향 프록시 뒤에서 Qdrant 실행

• 자체 서명 인증서 사용

• 사용자 정의 SSL/TLS 구성 필요

역방향 프록시 설정

1. 역방향 프록시를 구성합니다(예: Nginx 사용):

2. 환경 변수를 업데이트하세요.

보안 고려 사항

서버는 다음을 사용하여 강력한 HTTPS 처리를 구현합니다.

• 사용자 정의 SSL/TLS 구성

• 적절한 인증서 검증 옵션

• 연결 풀링 및 Keepalive

• 지수 백오프를 통한 자동 재시도

• 구성 가능한 시간 초과

HTTPS 연결 문제 해결

연결 문제가 발생하는 경우:

1. 인증서를 확인하세요:

2. 직접 연결 테스트:

3. 프록시 설정을 확인하세요.

기여하다

1. 저장소를 포크하세요

2. 기능 브랜치 생성

3. 변경 사항을 만드세요

4. 풀 리퀘스트 제출

특허

MIT