Qdrant MCP

Overview

Qdrant MCP 是一个模型上下文协议服务器，允许 AI 代理与 Qdrant 向量数据库进行交互。通过此 MCP 服务器，AI 可以搜索向量、管理集合（Collections）、处理点（Points）数据、执行过滤搜索和聚合操作。这对于 RAG 应用、语义搜索和相似性检索场景非常有用。

Qdrant MCP 使得 AI 代理能够直接操作向量存储，自动进行语义搜索、管理知识库、执行相似性匹配。它特别适合构建 RAG 系统、推荐系统和语义搜索应用。

Features

• 集合管理：创建、删除、获取集合详情
• 向量搜索：执行相似性搜索、过滤搜索
• 点管理：创建、更新、删除向量点
• 批量操作：批量上传和删除点
• 过滤搜索：使用条件过滤搜索结果
• 聚合查询：执行聚合和统计分析
• 向量索引管理：管理 HNSW 索引参数

Installation

# 使用 npx 运行
npx -y @modelcontextprotocol/server-qdrant

# 或使用 uvx
uvx mcp-server-qdrant

Configuration

添加以下配置到 claude_desktop_config.json：

{
  "mcpServers": {
    "qdrant": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-qdrant"],
      "env": {
        "QDRANT_URL": "http://localhost:6333",
        "QDRANT_API_KEY": "your-api-key"
      }
    }
  }
}

Available Tools

Tool	Description
qdrant_list_collections	列出所有集合
qdrant_get_collection	获取集合详情
qdrant_create_collection	创建新集合
qdrant_search	执行向量搜索
qdrant_filter_search	执行带过滤的搜索
qdrant_upsert_points	上传或更新点
qdrant_delete_points	删除点
qdrant_get_points	获取特定点详情

Usage Examples

示例 1：语义搜索

AI: 在 knowledge 集合中搜索与"AI 代理框架"相关的文档

Qdrant MCP:
- 将查询文本转换为向量（需要嵌入模型）
- 调用 qdrant_search
- 返回最相似的文档和相似度分数

示例 2：过滤搜索

AI: 搜索 category = "tutorial" 且 rating > 4 的文档

Qdrant MCP:
- 调用 qdrant_filter_search
- 设置过滤条件:
  {
    "must": [
      {"key": "category", "match": {"value": "tutorial"}},
      {"key": "rating", "range": {"gte": 4}}
    ]
  }
- 返回匹配结果

示例 3：批量上传文档

AI: 将以下文档批量上传到 knowledge 集合

Qdrant MCP:
- 将文档转换为向量
- 调用 qdrant_upsert_points
- 批量上传点数据

Pros

• ✅ 完整的 Qdrant API 覆盖
• ✅ 支持高性能向量搜索
• ✅ 适合 RAG 和语义搜索
• ✅ 开源免费
• ✅ 支持多种向量索引算法

Cons

• ❌ 需要 Qdrant 实例运行
• ❌ 需要嵌入模型生成向量
• ❌ 配置相对复杂
• ❌ 需要一定的向量数据库知识

When to Use

• 需要构建 RAG 系统时
• 需要语义搜索功能时
• 需要管理向量知识库时
• 需要相似性检索时

Resources

• GitHub 仓库
• Qdrant 文档