이 MCP 서버는 Qdrant 벡터 데이터베이스와 OpenAI 임베딩을 사용하여 벡터 검색 기능을 제공합니다.
OpenAI 임베딩을 사용한 Qdrant 컬렉션의 의미 검색
사용 가능한 컬렉션 나열
컬렉션 정보 보기
Related MCP server: Qdrant MCP Server
Python 3.10+ 설치됨
Qdrant 인스턴스(로컬 또는 원격)
OpenAI API 키
이 저장소를 복제하세요:
지엑스피1
종속성 설치:
pip install -r requirements.txt다음 환경 변수를 설정하세요.
OPENAI_API_KEY : OpenAI API 키
QDRANT_URL : Qdrant 인스턴스의 URL(기본값: " http://localhost:6333 ")
QDRANT_API_KEY : Qdrant API 키(해당되는 경우)
python mcp_qdrant_server.pymcp dev mcp_qdrant_server.pymcp install mcp_qdrant_server.py --name "Qdrant-OpenAI"OpenAI 임베딩을 사용한 의미 검색을 사용하여 Qdrant 컬렉션을 검색합니다.
collection_name : 검색할 Qdrant 컬렉션의 이름
query_text : 자연어로 된 검색 쿼리
limit : 반환할 결과의 최대 개수(기본값: 5)
model : 사용할 OpenAI 임베딩 모델(기본값: text-embedding-3-small)
Qdrant 데이터베이스에서 사용 가능한 모든 컬렉션을 나열합니다.
특정 컬렉션에 대한 정보를 얻으세요.
collection_name : 정보를 얻을 컬렉션의 이름
Claude Desktop에 설치하면 다음과 같은 도구를 사용할 수 있습니다.
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.This server cannot be deployed
The Needle MCP server enables semantic search on documents stored in files like PDFs, DOCX, and XLSX by connecting AI applications to external data sources. It provides capabilities to create and manage document collections, perform natural language searches on stored content, and retrieve relevant information without requiring exact keyword matches.
Remote ChromaDB vector database MCP server with streamable HTTP transport
Semantic nearest-neighbour search over your datasets, plus indices and projections.
Ingest, manage, and retrieve documents for RAG-powered AI applications
