Token导航 LogoToken导航

MCP Server · 搜索检索

Better Qdrant MCP

基于Qdrant和OpenAI嵌入的长期记忆与语义搜索服务,支持混合搜索和中文处理。

stdio官方级别未说明来源级核验工具 6
搜索混合搜索Python

快速开始

作者 / 组织
jtsang4
提供方
jtsang4
运行时
Python

工具数量

6

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

1

仓库热度

收录来源

1 个

MCP World

选型结论

Better Qdrant MCP 属于搜索检索类 MCP Server,公开资料标注 6 个工具,通过stdio 本地进程接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前先确认权限范围。

分类

搜索检索

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

uvx better-qdrant-mcp

客户端配置示例

{
  "mcpServers": {
    "better-qdrant-mcp": {
      "command": "uvx",
      "args": [
        "better-qdrant-mcp"
      ]
    }
  }
}

按公开安装命令拼出来的示例,字段名和参数以仓库 README 为准;带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 6 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

更好的qdrant mcp

MCP服务器用 fastmcp、OpenAI嵌入,以及 qdrant-client,在Qdrant之上提供长期记忆和语义搜索。

用户指南

特性

  • MCP服务器 建于 fastmcp
  • 混合搜索 在Qdrant中(密集的OpenAI嵌入+稀疏的BM25)
  • 中文支持 经街坝
  • 知识库工具 (从内存工具重命名以避免冲突):

- store-knowledge - store-knowledge-bulk - search-knowledge - get-knowledge-by-id - inspect-knowledge-base - delete-knowledge

  • 多个传输:stdio、SSE、可流式传输HTTP

需求

  • Python 3.12+
  • Qdrant可通过HTTP访问

快速入门(已发布的软件包)

该项目发布为 better-qdrant-mcp 包,因此您可以直接使用 uvx 无需克隆此仓库。

1.环境变量(所有运输都需要)

典型使用的最小环境值:

  • QDRANT_URL –默认为 http://localhost:6333
  • QDRANT_API_KEY –可选
  • COLLECTION_NAME –可选默认集合
  • OPENAI_API_KEY (或 OPENAPI_API_KEY)–必填
  • OPENAI_BASE_URL –可选
  • OPENAI_EMBEDDING_MODEL –默认为 text-embedding-3-small

高级/运输相关环境:

  • MCP_TRANSPORT – stdio | sse | streamable-http (默认值: stdio)
  • MCP_HOST –用于基于HTTP的传输的主机(默认值: 0.0.0.0)
  • MCP_PORT –用于基于HTTP的传输的端口(默认值: 8000)
  • MCP_PATH –HTTP传输路径(默认值: /mcp)
2.可用的MCP工具

服务器运行后,MCP客户端将看到以下工具:

  • store-knowledge(content: str, title?: str, tags?: list[str], metadata?: dict, collection_name?: str) -> str
  • store-knowledge-bulk(items: list[KnowledgeItem], collection_name?: str) -> str
  • search-knowledge(query: str, limit?: int=5, collection_name?: str) -> str
  • get-knowledge-by-id(ids: list[str] | str, collection_name?: str) -> str
  • inspect-knowledge-base(collection_name?: str) -> str
  • delete-knowledge(ids: list[str] | str, collection_name?: str) -> str

store-knowledge 使用OpenAI自动嵌入文本并将其存储在Qdrant(知识库)中,返回存储的点ID title 和 tags 字段有助于改善搜索上下文和分类。

store-knowledge-bulk 使用批嵌入一次有效地存储多个知识项。清单中的每一项都应包括 content (必填),可选 title, tags,以及 metadata 领域。这比打电话更有效率 store-knowledge 多次。

search-knowledge 在Qdrant中使用混合搜索(密集+稀疏)。如果集合配置了命名向量 dense 和 sparse,通过融合密集的OpenAI嵌入和稀疏的BM25分数对查询进行排名;否则,它将退回到仅密集搜索。

get-knowledge-by-id 通过一个或多个知识项的点ID检索其完整的有效载荷信息。使用此功能检查存储项目的全部详细信息(包括 content, title, tags, metadata,以及 stored_at 时间戳)。您可以传递单个ID或ID列表(通常使用 id 字段返回 search-knowledge).

inspect-knowledge-base 显示了收集配置和示例数据点,可用于调试和验证。

delete-knowledge 按点ID从Qdrant中删除一个或多个存储的知识项。您可以传递单个ID或ID列表(通常使用 id 字段返回 search-knowledge).

3.启动服务器

您可以通过CLI标志(建议快速启动)或通过env指定传输(MCP_TRANSPORT).

标准IO(stdio)-默认
uvx better-qdrant-mcp

在此模式下,您可以将MCP客户端配置为使用 标准 传输并仅调用二进制文件;不需要HTTP URL。

服务器发送事件(SSE)
# Default host 0.0.0.0 and port 8000
uvx better-qdrant-mcp --transport sse

# Custom host and port
uvx better-qdrant-mcp --transport sse --host 0.0.0.0 --port 3000

MCP客户端的连接详细信息:

  • 运输: sse
  • 统一资源定位符: `http://:

/sse (例如: http://localhost:8000/sse`)

流式HTTP(推荐用于web应用程序)
# Default host 0.0.0.0, port 8000 and path /mcp
uvx better-qdrant-mcp --transport streamable-http

# Custom host, port, and path
uvx better-qdrant-mcp --transport streamable-http --host 0.0.0.0 --port 3000 --path /api/mcp

MCP客户端的连接详细信息:

  • 运输: streamable-http
  • 统一资源定位符: `http://:

(例如: http://localhost:8000/mcp`)

开发指南

本地安装(用于开发)

如果你想在本地处理此仓库,而不是使用已发布的包:

# using uv (recommended)
uv sync

# or with pip (editable install)
pip install -e .

本地建设

对于本地开发,您可以使用提供的 Makefile:

make build

此命令将首先清理 dist 目录,然后运行 uv build 生产新鲜的手工艺品。

Docker部署

Docker Compose将Qdrant+此MCP服务器作为单一服务提供。运输(stdio, sse, streamable-http)通过以下方式选择 MCP_TRANSPORT.

Docker镜像会自动构建并发布到GitHub容器注册表,如下所示:

  • ghcr.io/jtsang4/better-qdrant-mcp:latest
  • 分支、标签和提交SHA的附加标签

提供的 docker-compose.yml 直接使用此已发布的图像,因此您 不需要在本地构建映像.

# Start Qdrant + MCP using the published image
docker compose up -d

# Pull the latest published image and restart services
docker compose pull mcp && docker compose up -d

# Stop services
docker compose down

许可证

麻省理工学院

工具与能力

工具数量

6

资源数量

0

提示词数量

0

能力标签

语义搜索Python混合部署长期记忆混合搜索中文处理知识库管理

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

查资料带出处

把网页、论文和文档的检索结果连同链接一起带回对话。

站内知识检索

在自己的文档库里做语义搜索,比关键词更贴题。

事实核对

交叉多个来源确认一条信息,减少模型凭记忆作答。

选择建议

值得选的地方

  • 只提供 6 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在搜索检索场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Better Qdrant MCP

MCP World · 本页

6stdio有1 个2026-05-17
Baidu Netdisk

MCP World

未标注未说明未标注1 个2026-05-17
Sequentialthinking

MCP.so

1SSE有2 个2026-05-17
Brave Search 433812ff

MCP World

2未说明未标注1 个2026-05-17
mindsdb (430e18)

MCP World

0未说明有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Better Qdrant MCP 怎么安装?

公开资料给出的安装命令是 uvx better-qdrant-mcp,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Better Qdrant MCP 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Better Qdrant MCP 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Better Qdrant MCP 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Better Qdrant MCP 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP