Skip to main content
Glama
delorenj

MCP Memory Server with Qdrant Persistence

具有 Qdrant Persistence 的 MCP 内存服务器

铁匠徽章

该 MCP 服务器提供了由 Qdrant 矢量数据库支持的具有语义搜索功能的知识图谱实现。

特征

  • 基于图的知识表示,包括实体和关系

  • 基于文件的持久性(memory.json)

  • 使用 Qdrant 矢量数据库进行语义搜索

  • OpenAI 语义相似性嵌入

  • HTTPS 支持与反向代理兼容

  • Docker 支持,轻松部署

Related MCP server: MCP Qdrant Server with OpenAI Embeddings

环境变量

需要以下环境变量:

# 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

设置

本地设置

  1. 安装依赖项:

npm install
  1. 构建服务器:

npm run build

Docker 设置

  1. 构建 Docker 镜像:

docker build -t mcp-qdrant-memory .
  1. 使用所需的环境变量运行 Docker 容器:

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-memory

添加到 MCP 设置:

{
  "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"
      ]
    }
  }
}

工具

实体管理

  • create_entities :创建多个新实体

  • create_relations :创建实体之间的关系

  • add_observations :向实体添加观察结果

  • delete_entities :删除实体及其关系

  • delete_observations :删除特定观察结果

  • delete_relations :删除特定关系

  • read_graph :获取完整的知识图谱

语义搜索

  • search_similar :搜索语义相似的实体和关系

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

实现细节

服务器维护两种形式的持久性:

  1. 基于文件(memory.json):

    • 完整的知识图谱结构

    • 快速访问完整图表

    • 用于图形操作

  2. Qdrant 向量数据库:

    • 实体和关系的语义嵌入

    • 启用相似性搜索

    • 自动与文件存储同步

同步

当实体或关系被修改时:

  1. 更改写入memory.json

  2. 使用 OpenAI 生成嵌入

  3. 向量存储在 Qdrant 中

  4. 两个存储系统保持一致

搜索过程

搜索时:

  1. 查询文本转换为嵌入

  2. Qdrant 执行相似性搜索

  3. 结果包括实体和关系

  4. 结果按语义相似度排序

示例用法

// 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 和反向代理配置

服务器支持通过 HTTPS 和反向代理连接到 Qdrant。此功能在以下情况下尤其有用:

  • 在 Nginx 或 Apache 等反向代理后面运行 Qdrant

  • 使用自签名证书

  • 需要自定义 SSL/TLS 配置

设置反向代理

  1. 配置您的反向代理(使用 Nginx 的示例):

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;
    }
}
  1. 更新您的环境变量:

QDRANT_URL=https://qdrant.yourdomain.com

安全注意事项

服务器通过以下方式实现强大的 HTTPS 处理:

  • 自定义 SSL/TLS 配置

  • 适当的证书验证选项

  • 连接池和保持活动

  • 使用指数退避算法自动重试

  • 可配置超时

HTTPS 连接故障排除

如果您遇到连接问题:

  1. 验证您的证书:

openssl s_client -connect qdrant.yourdomain.com:443
  1. 测试直接连接:

curl -v https://qdrant.yourdomain.com/collections
  1. 检查任何代理设置:

env | grep -i proxy

贡献

  1. 分叉存储库

  2. 创建功能分支

  3. 进行更改

  4. 提交拉取请求

执照

麻省理工学院

-
security - not tested
F
license - not found
-
quality - not tested

Latest Blog Posts

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