mcp-server-qdrantQdrant模型上下文协议服务器实现

— (0)

审阅者 Daniel Nikulshyn·更新 2026年7月

概览

Qdrant的模型上下文协议服务器（MCP）是官方实现，允许LLM应用程序和Qdrant向量搜索引擎之间平滑地整合。它在Qdrant的顶层实现语义记忆层，使得可以存储和检索信息。这一服务器用于构建AI应用，增强聊天界面或创建自定义AI工作流，其中需要一种标准化的方式连接LLM应用程序和外部数据源。服务器支持通过环境变量提供各种配置，包括Qdrant服务器URL，API密钥，default集合名和嵌入提供商。它还包含了用于将信息存储到Qdrant数据库和从Qdrant数据库检索信息的工具。

主要功能

存储信息入Qdrant数据库
从Qdrant数据库检索相关信息
支持default集合名
可配置嵌入提供商
支持只读模式

价格

模型: Free
分类: 服务配缩器
评分: 暂无评价

使用场景

AI-powered IDE

模型上下文协议服务器（MCP）用于在Qdrant中构建AI-IDE，提供语义记忆层用于存储和检索信息

增强聊天界面

服务器用于增强聊天界面，允许对话应用程序访问和检索Qdrant数据库中的相关信息

优点 & 缺点

优点

允许LLM应用程序和Qdrant向量搜索引擎之间平滑地整合
提供一种连接LLM应用程序和外部数据源的标准化方式
支持通过环境变量提供各种配置

缺点

需要通过环境变量配置，这可能会带来复杂的操作
仅限于使用Qdrant作为向量搜索引擎

评测

登录以留下评测。

暂无评测。来当第一个吧!

问答

What are the limitations?

The server is limited to Qdrant as the vector search engine and requires configuration via environment variables, which can be complex.

Asked by Rosalind Frost · Aug 5, 2025

What are the key features?

Key features include storing and retrieving information from the Qdrant database, support for default collection name, and configurable embedding provider.

Asked by Renata Silva · Jul 4, 2025

What is the purpose of mcp-server-qdrant?

The mcp-server-qdrant enables seamless integration between LLM applications and the Qdrant vector search engine, acting as a semantic memory layer on top of Qdrant.

Asked by Timur Nazarov · May 26, 2025

How is configuration done?

Configuration is done via environment variables, including QDRANT_URL, QDRANT_API_KEY, COLLECTION_NAME, and EMBEDDING_PROVIDER.

Asked by Ekaterina Orlova · May 27, 2025