MCP 服务器 qdrant 是专为 Model Context Protocol (MCP) 打造的参考实现,它能将 Qdrant 作为模型存储服务使用。该服务器具备模型上传、下载和删除等核心功能,为模型管理提供了便利。
使用 pip 安装必要的 Python 包:
pip install "qdrant-client>=2.0.1" "onnxruntime>=1.9.0" "tensorflow>=2.4.0"
在 Qdrant 上运行 MCP 服务器:
# 使用 Docker 运行 Qdrant 并绑定端口
docker run -p 6333:6333 qdrant/qdrant
# 启动 MCP 服务器 qdrant
uvicorn mcp_server_qdrant.server:app --reload
MCP 服务器提供以下 RESTful API 接口:
POST /api/modelsGET /api/models/{model_id}DELETE /api/models/{model_id}在 VS Code 的全局设置中添加以下内容到 settings.json:
{
"mcp.servers": {
"qdrant": {
"command": "uvicorn",
"args": ["mcp_server_qdrant.server:app"],
"env": {
"QDRANT_URL": "http://localhost:6333"
}
}
}
}
在工作区的根目录下创建 .vscode/mcp.json 文件,内容如下:
{
"servers": {
"qdrant": {
"command": "uvicorn",
"args": ["mcp_server_qdrant.server:app"],
"env": {
"QDRANT_URL": "http://localhost:6333"
}
}
}
}
在工作区的根目录下创建 .vscode/mcp.json 文件,内容如下:
{
"servers": {
"qdrant": {
"command": "docker",
"args": [
"run",
"-p", "8000:8000",
"-i",
"--rm",
"-e", "QDRANT_URL=http://localhost:6333"
],
"env": {
"QDRANT_URL": "http://localhost:6333"
}
}
}
}
curl -X POST http://localhost:8000/api/models \
-F "model=@/path/to/model.onnx" \
-F "model_type=onnx"
curl -X GET http://localhost:8000/api/models/{model_id}
curl -X DELETE http://localhost:8000/api/models/{model_id}
在 VS Code 的全局设置中添加以下内容到 settings.json:
{
"mcp.servers": {
"qdrant": {
"command": "uvicorn",
"args": ["mcp_server_qdrant.server:app"],
"env": {
"QDRANT_URL": "http://localhost:6333"
}
}
}
}
在工作区的根目录下创建 .vscode/mcp.json 文件,内容如下:
{
"servers": {
"qdrant": {
"command": "uvicorn",
"args": ["mcp_server_qdrant.server:app"],
"env": {
"QDRANT_URL": "http://localhost:6333"
}
}
}
}
在工作区的根目录下创建 .vscode/mcp.json 文件,内容如下:
{
"servers": {
"qdrant": {
"command": "docker",
"args": [
"run",
"-p", "8000:8000",
"-i",
"--rm",
"-e", "QDRANT_URL=http://localhost:6333"
],
"env": {
"QDRANT_URL": "http://localhost:6333"
}
}
}
}
MCP 服务器 qdrant 采用 MIT 许可证。请查看 LICENSE 获取详细信息。
如果您对 mcp-server-qdrant 的改进有任何建议,或者发现了问题,请随时在 GitHub 提交 PR 或 Issue。
感谢您对 MCP 项目的支持!