ima qdrant-mcp服务器
定制Qdrant MCP服务器，带可插拔嵌入式（Ollama或fastembed）。替换 mcp-server-qdrant 解决两个问题：
- FastEmbed在较大型号的GPU上崩溃→ Ollama HTTP API为默认值，作为CPU-唯一的替代方案
- 官方服务器锁定每个实例一个集合→ 每次通话都会解决收款问题
作为语义内存后端构建 ima-克劳德 --IMA的克劳德代码技能插件。这 mcp-qdrant ima-claude中的技能为该服务器提供了使用模式、决策逻辑和集成指导。
记分卡
| 类别 | 等级 | 备注 |
|---|---|---|
| 规范标准 | 🟢 B | 清洁FP分离；配置中的微小杂质 |
| 安全 | 🟢 A | 集合名称已净化；可配置的搜索限制上限 |
| 测试覆盖率 | 🟢 B | 79个pytest测试，异步模拟，无网络调用 |
| 文档 | 🟢 B | 良好的设置/配置文档；缺少API签名 |
| 可维护性 | 🟢 A | 230行，干净的模块边界，最小的deps |
最后评论：2026-03-09·技能：py-fp
工具
- qdrant_store --将文本嵌入并追加销售到Qdrant集合中
- qdrant_find --跨集合的语义搜索
配置
集合和URL按以下优先级顺序解析： 工具参数>环境变量> .qdrant 文件>默认值
.qdrant 文件（项目级）
复制 .qdrant.example 到 .qdrant 在项目根目录中：
collection: my-project-knowledge
# embedding_provider: ollama # or "fastembed"
# qdrant_url: http://localhost:6333
# ollama_url: http://localhost:11434
# embedding_model: nomic-embed-text
# vector_size: 768服务器从cwd中走出来查找文件（如 .gitignore 发现）。
环境变量
| 变量 | 默认值 | 注释 |
|---|---|---|
QDRANT_URL | http://localhost:6333 | |
COLLECTION_NAME | ima-knowledge | |
EMBEDDING_PROVIDER | ollama | "ollama" 或 "fastembed" |
OLLAMA_URL | http://localhost:11434 | 仅与OLAMA提供者一起使用 |
EMBEDDING_MODEL | 每个提供者 | 美元： nomic-embed-text，禁食： BAAI/bge-small-en-v1.5 |
VECTOR_SIZE | 每位提供者 | 奥拉玛：768，空腹：384 |
跑步
# Install (Ollama provider)
pip install -e .
# Install (fastembed provider — CPU-only, no Ollama needed)
pip install -e ".[fastembed]"
# Run as MCP server (stdio transport)
qdrant-mcp
# Or directly
python -m qdrant_mcp.server克劳德桌面/MCP配置
{
"mcpServers": {
"qdrant-memory": {
"command": "qdrant-mcp",
"env": {
"COLLECTION_NAME": "ima-knowledge"
}
}
}
}测试
pip install -e ".[test]"
pytest -v先决条件
- Qdrant在本地运行：
docker run -p 6333:6333 qdrant/qdrant - Ollama供应商：Ollama使用嵌入模型运行：
ollama pull nomic-embed-text - fastembed提供者：不需要外部服务--在本地运行仅使用CPU的ONNX模型
相关
- ima-克劳德 --Claude代码技能插件，包括
mcp-qdrant此服务器的技能 - mcp qdrant技能 --使用模式、决策逻辑（Qdrant vs Vestige vs Serena）和集成指导
许可证
麻省理工学院