Qdrant 检索 MCP 服务器

使用 Qdrant 矢量数据库进行语义搜索的 MCP 服务器。

特征

跨多个集合的语义搜索
多查询支持
可配置结果计数
收集来源追踪

注意：服务器连接到由 URL 指定的 Qdrant 实例。

注 2 ：第一次检索可能会比较慢，因为 MCP 服务器需要下载所需的嵌入模型。

Related MCP server: Better Qdrant MCP Server

API

工具

qdrant_retrieve
- 根据多个查询从多个 Qdrant 向量存储集合中检索语义相似的文档
- 输入：
  - collectionNames (string[])：要搜索的 Qdrant 集合的名称
  - topK （数字）：要检索的最相似文档的数量（默认值：3）
  - query （string[]）：要搜索的查询文本数组
- 返回：
  - results ：检索到的文档数组，其中包含：
    - query ：产生此结果的查询
    - collectionName ：此结果来自的集合名称
    - text ：文档文本内容
    - score ：0 到 1 之间的相似度分数

与 Claude Desktop 一起使用

将其添加到您的claude_desktop_config.json中：

{
  "mcpServers": {
    "qdrant": {
      "command": "npx",
      "args": ["-y", "@gergelyszerovay/mcp-server-qdrant-retrive"],
      "env": {
        "QDRANT_API_KEY": "your_api_key_here"
      }
    }
  }
}

命令行选项

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-v2