Qdrant Retrieve MCP Server
Recuperar servidor MCP de Qdrant
Servidor MCP para búsqueda semántica con base de datos vectorial Qdrant.
Características
Búsqueda semántica en múltiples colecciones
Soporte para múltiples consultas
Recuento de resultados configurable
Seguimiento de la fuente de la colección
Nota : El servidor se conecta a una instancia de Qdrant especificada por URL.
Nota 2 : La primera recuperación puede ser más lenta, ya que el servidor MCP descarga el modelo de inserción requerido.
Related MCP server: Qdrant MCP Server
API
Herramientas
qdrant_retrieve
Recupera documentos semánticamente similares de múltiples colecciones de almacenes de vectores de Qdrant en función de múltiples consultas
Entradas:
collectionNames(string[]): Nombres de las colecciones de Qdrant en las que se realizará la búsquedatopK(número): Número de documentos similares principales para recuperar (predeterminado: 3)query(string[]): Matriz de textos de consulta para buscar
Devoluciones:
results: Matriz de documentos recuperados con:query: La consulta que produjo este resultadocollectionName: Nombre de la colección de donde proviene este resultadotext: Contenido del texto del documentoscore: Puntuación de similitud entre 0 y 1
Uso con Claude Desktop
Agregue esto a su claude_desktop_config.json :
{
"mcpServers": {
"qdrant": {
"command": "npx",
"args": ["-y", "@gergelyszerovay/mcp-server-qdrant-retrive"],
"env": {
"QDRANT_API_KEY": "your_api_key_here"
}
}
}
}Opciones de línea de comandos
MCP server for semantic search with Qdrant vector database.
Options
--enableHttpTransport Enable HTTP transport [default: false]
--enableStdioTransport Enable stdio transport [default: true]
--enableRestServer Enable REST API server [default: false]
--mcpHttpPort=<port> Port for MCP HTTP server [default: 3001]
--restHttpPort=<port> Port for REST HTTP server [default: 3002]
--qdrantUrl=<url> URL for Qdrant vector database [default: http://localhost:6333]
--embeddingModelType=<type> Type of embedding model to use [default: Xenova/all-MiniLM-L6-v2]
--help Show this help message
Environment Variables
QDRANT_API_KEY API key for authenticated Qdrant instances (optional)
Examples
$ mcp-qdrant --enableHttpTransport
$ mcp-qdrant --mcpHttpPort=3005 --restHttpPort=3006
$ mcp-qdrant --qdrantUrl=http://qdrant.example.com:6333
$ mcp-qdrant --embeddingModelType=Xenova/all-MiniLM-L6-v2This server cannot be deployed
Maintenance
Related MCP Connectors
Search your knowledge bases from any AI assistant using hybrid RAG.
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.
Multi-engine search for AI agents. Trust scoring, local corpus, MCP-native. Self-hostable, BYOK.
Search and SQL on object storage: full-text, vector and hybrid search plus SQL over your data.
Related MCP Servers
- AlicenseNot gradedqualityCmaintenanceEnables 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 npm36MIT
- FlicenseNot gradedqualityDmaintenanceEnables interaction with Qdrant vector database for storing, searching, and managing vectors with automatic text embedding.1-
- FlicenseNot gradedqualityDmaintenanceEnables semantic code search across multi-language codebases using natural language queries, integrated with Qdrant vector database for fast, cached retrieval.1-
- AlicenseNot gradedqualityDmaintenanceEnables AI development tools to perform semantic search and document relationship analysis on vectorized content stored in Qdrant databases.57Apache 2.0