🚀 更好的 Qdrant MCP 服务器
这是一个增强版的 Qdrant 向量数据库模型上下文协议（MCP）服务器，为管理 Qdrant 集合、添加文档以及执行语义搜索提供了强大工具，有效提升向量数据库的使用效率与便捷性。
🚀 快速开始
安装
你可以通过以下两种方式安装该服务器：
npm install -g better-qdrant-mcp-server
或者直接使用 npx：
npx better-qdrant-mcp-server
配置
该服务器使用环境变量进行配置，你可在项目根目录创建一个 .env 文件来设置这些变量：
# Qdrant 配置
QDRANT_URL=http://localhost:6333
QDRANT_API_KEY=你的_api_密钥（如果需要）
# 嵌入式服务 API 密钥
OPENAI_API_KEY=你的_openai_api_密钥
OPENROUTER_API_KEY=你的_openrouter_api_密钥
OLLAMA_ENDPOINT=http://localhost:11434
先决条件
- Node.js >= 18.0.0
- 运行中的 Qdrant 服务器（本地或远程）
- 使用的嵌入式服务 API 密钥
✨ 主要特性
- 列出集合：可查看所有可用的 Qdrant 集合。
- 添加文档：能处理并添加文档到 Qdrant 集合中，支持多种嵌入式服务。
- 搜索：可在向量数据库上执行语义搜索。
- 删除集合：可从 Qdrant 数据库中移除集合。
📦 安装指南
全局安装
使用 npm 进行全局安装：
npm install -g better-qdrant-mcp-server
直接使用 npx
若不想全局安装，可直接使用 npx：
npx better-qdrant-mcp-server
💻 使用示例
基础用法
列出集合
use_mcp_tool
server_name: better-qdrant
tool_name: list_collections
arguments: {}
添加文档
use_mcp_tool
server_name: better-qdrant
tool_name: add_documents
arguments: {
"filePath": "/path/to/your/document.pdf",
"collection": "my-collection",
"embeddingService": "openai",
"chunkSize": 1000,
"chunkOverlap": 200
}
搜索
use_mcp_tool
server_name: better-qdrant
tool_name: search
arguments: {
"query": "你的搜索查询",
"collection": "my-collection",
"embeddingService": "openai",
"limit": 5
}
删除集合
use_mcp_tool
server_name: better-qdrant
tool_name: delete_collection
arguments: {
"collection": "my-collection"
}
高级用法
使用 Claude
要将此 MCP 服务器与 Claude 配合使用，请将其添加到你的 MCP 设置配置文件中：
{
"mcpServers": {
"better-qdrant": {
"command": "npx",
"args": ["better-qdrant-mcp-server"],
"env": {
"QDRANT_URL": "http://localhost:6333",
"QDRANT_API_KEY": "你的_api_密钥（如果需要）",
"DEFAULT_EMBEDDING_SERVICE": "ollama",
"OPENAI_API_KEY": "你的_openai_api_密钥",
"OPENAI_ENDPOINT": "https://api.openai.com/v1",
"OPENROUTER_API_KEY": "你的_openrouter_api_密钥",
"OPENROUTER_ENDPOINT": "https://api.openrouter.com/v1",
"OLLAMA_ENDPOINT": "http://localhost:11434",
"OLLAMA_MODEL": "nomic-embed-text"
}
}
}
}
📚 详细文档
支持的嵌入式服务
- OpenAI：需要一个 API 密钥。
- OpenRouter：需要一个 API 密钥。
- Ollama：本地嵌入模型（默认端点：http://localhost:11434）。
- FastEmbed：本地嵌入模型。
📄 许可证
本项目采用 MIT 许可证。