F
licenseNot graded
qualityD
maintenanceTransforms text or web content into structured knowledge graphs using local AI models with MCP integration for persistent storage in Neo4j and Qdrant.
4
MCP Memory Server with Qdrant Persistence
by delorenj
Qdrant Persistence 搭載 MCP メモリサーバー
この MCP サーバーは、Qdrant ベクター データベースを活用したセマンティック検索機能を備えたナレッジ グラフ実装を提供します。
特徴
エンティティと関係性を用いたグラフベースの知識表現
ファイルベースの永続性（memory.json）
Qdrantベクターデータベースを使用したセマンティック検索
意味的類似性のためのOpenAI埋め込み
リバースプロキシ互換性を備えたHTTPSサポート
簡単に導入できるDockerサポート
Related MCP server: Qdrant MCP Server
環境変数
次の環境変数が必要です。
# OpenAI API key for generating embeddings
OPENAI_API_KEY=your-openai-api-key
# Qdrant server URL (supports both HTTP and HTTPS)
QDRANT_URL=https://your-qdrant-server
# Qdrant API key (if authentication is enabled)
QDRANT_API_KEY=your-qdrant-api-key
# Name of the Qdrant collection to use
QDRANT_COLLECTION_NAME=your-collection-name設定
ローカルセットアップ
依存関係をインストールします:
npm installサーバーを構築します。
npm run buildDockerのセットアップ
Docker イメージをビルドします。
docker build -t mcp-qdrant-memory .必要な環境変数を使用して Docker コンテナを実行します。
docker run -d \
-e OPENAI_API_KEY=your-openai-api-key \
-e QDRANT_URL=http://your-qdrant-server:6333 \
-e QDRANT_COLLECTION_NAME=your-collection-name \
-e QDRANT_API_KEY=your-qdrant-api-key \
--name mcp-qdrant-memory \
mcp-qdrant-memoryMCP 設定に追加:
{
"mcpServers": {
"memory": {
"command": "/bin/zsh",
"args": ["-c", "cd /path/to/server && node dist/index.js"],
"env": {
"OPENAI_API_KEY": "your-openai-api-key",
"QDRANT_API_KEY": "your-qdrant-api-key",
"QDRANT_URL": "http://your-qdrant-server:6333",
"QDRANT_COLLECTION_NAME": "your-collection-name"
},
"alwaysAllow": [
"create_entities",
"create_relations",
"add_observations",
"delete_entities",
"delete_observations",
"delete_relations",
"read_graph",
"search_similar"
]
}
}
}ツール
エンティティ管理
create_entities: 複数の新しいエンティティを作成するcreate_relations: エンティティ間の関係を作成するadd_observations: エンティティに観測を追加するdelete_entities: エンティティとその関係を削除するdelete_observations: 特定の観測を削除するdelete_relations: 特定のリレーションを削除するread_graph: 完全なナレッジグラフを取得する
セマンティック検索
search_similar: 意味的に類似したエンティティと関係を検索するinterface SearchParams { query: string; // Search query text limit?: number; // Max results (default: 10) }
実装の詳細
サーバーは 2 つの形式の永続性を維持します。
ファイルベース (memory.json):
完全な知識グラフ構造
完全なグラフへの高速アクセス
グラフ操作に使用される
Qdrant ベクター DB:
実体と関係の意味的埋め込み
類似検索を可能にする
ファイルストレージと自動的に同期
同期
エンティティまたはリレーションが変更された場合:
変更はmemory.jsonに書き込まれます
埋め込みはOpenAIを使用して生成される
ベクトルはQdrantに保存されます
両方のストレージシステムは一貫性を維持
検索プロセス
検索する場合:
クエリテキストは埋め込みに変換されます
Qdrantは類似検索を実行します
結果にはエンティティと関係の両方が含まれます
結果は意味的類似性によってランク付けされます
使用例
// Create entities
await client.callTool("create_entities", {
entities: [{
name: "Project",
entityType: "Task",
observations: ["A new development project"]
}]
});
// Search similar concepts
const results = await client.callTool("search_similar", {
query: "development tasks",
limit: 5
});HTTPSとリバースプロキシの設定
サーバーはHTTPSおよびリバースプロキシ経由でQdrantに接続できます。これは特に以下の場合に便利です。
NginxやApacheなどのリバースプロキシの背後でQdrantを実行する
自己署名証明書の使用
カスタム SSL/TLS 構成の要求
リバースプロキシの設定
リバース プロキシを構成します (Nginx を使用する例):
server {
listen 443 ssl;
server_name qdrant.yourdomain.com;
ssl_certificate /path/to/cert.pem;
ssl_certificate_key /path/to/key.pem;
location / {
proxy_pass http://localhost:6333;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
}
}環境変数を更新します。
QDRANT_URL=https://qdrant.yourdomain.comセキュリティに関する考慮事項
サーバーは、以下を使用して堅牢な HTTPS 処理を実装します。
カスタムSSL/TLS構成
適切な証明書検証オプション
接続プールとキープアライブ
指数バックオフによる自動再試行
設定可能なタイムアウト
HTTPS接続のトラブルシューティング
接続の問題が発生した場合:
証明書を確認します:
openssl s_client -connect qdrant.yourdomain.com:443直接接続をテストします。
curl -v https://qdrant.yourdomain.com/collectionsプロキシ設定を確認します:
env | grep -i proxy貢献
リポジトリをフォークする
機能ブランチを作成する
変更を加える
プルリクエストを送信する
ライセンス
マサチューセッツ工科大学
This server cannot be installed
Maintenance
–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Servers
- AlicenseNot gradedqualityBmaintenanceEnables 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.16436MIT
- FlicenseNot gradedqualityDmaintenanceEnables semantic search and retrieval-augmented generation (RAG) using Qdrant vector database. Supports indexing documents from URLs and local directories, with flexible embedding options using Ollama or OpenAI.2
- AlicenseBqualityAmaintenanceEnables building and querying vector-based knowledge graphs with node and edge management and semantic search.511MIT
Related MCP Connectors
Persistent memory and knowledge graph for AI assistants — keyword + vector + graph search.
Persistent memory and knowledge management for AI agents with semantic search and 50+ tools.
Shared semantic graph for AI reviews, classification and structured memory across AI assistants.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/delorenj/mcp-qdrant-memory'
If you have feedback or need assistance with the MCP directory API, please join our Discord server