Skip to main content
Glama

qdrant-mcp-server(维护中的复刻)

本复刻源自已废弃的 PyPI 包 qdrant-mcp-server 0.1.0(作者:fiyen;上游 github.com/fiyen/qdrant-mcp-server 已 404——不存在可提交 PR 的仓库)。

为什么会有这个复刻

原版会在 __init__ 中立即加载 sentence-transformers/all-MiniLM-L6-v2 模型。由于是 stdio MCP 服务器,每个 agent 运行时/会话都会生成自己的副本,因此 N 个空闲会话会占用 N × 约 1.35 GB 的重复模型内存(实测:5 个副本 = 5.7 GB)。另请参阅通用的“stdio trap”说明。

Related MCP server: Qdrant MCP Server

相对 PyPI 0.1.0 的改动

  • 懒加载补丁:嵌入模型改为在首次调用 generate_embedding 时才加载,而不是在启动时加载。空闲副本仅占用约 30 MB 内存。(仓库根目录中的 lazy-load.patch 就是参考用的 diff。)

安装(替代 PyPI 安装)

uv tool install --force git+https://github.com/Ripnrip/qdrant-mcp-server

这样,已有的 MCP 配置(command = /Users/admin/.local/bin/qdrant-mcp-server)可继续生效,今后的 uvx tool upgrade 也会从本复刻拉取更新,而不是从已废弃的 PyPI 0.1.0。

任何重装之后,需要重启正在运行的 qdrant-mcp-server 实例(Swift Reaper LaunchAgent 负责清理孤儿进程:com.local.qdrant-mcp-reaper)。

上下文:HAB-354 · ~/Documents/Developer/qdrant-mcp-ram-fix-2026-08-24/

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    D
    maintenance
    Provides semantic memory capabilities using Qdrant vector database with configurable embedding providers, allowing storage and retrieval of information using vector similarity.
    35 PyPI
    3
    Apache 2.0
  • A
    license
    Not graded
    quality
    C
    maintenance
    Enables semantic search and document management using a local Qdrant vector database with OpenAI embeddings. Supports natural language queries, metadata filtering, and collection management for AI-powered document retrieval.
    96 npm
    36
    MIT
  • A
    license
    Not graded
    quality
    D
    maintenance
    Enables storing and retrieving information using semantic search with Qdrant vector database. Acts as a memory layer for LLMs to persistently store and semantically search through information and metadata.
    Apache 2.0