Token导航 LogoToken导航

MCP Server · 数据服务

MCP Rag Test

提供基于Qdrant的向量数据库服务,支持REST和gRPC API,适用于机器学习和数据检索场景。

stdio官方级别未说明来源级核验工具 0
向量数据库机器学习Docker数据检索

快速开始

作者 / 组织
Junjpan
提供方
Junjpan
运行时
Docker

工具数量

0

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

0

仓库热度

收录来源

1 个

MCP World

选型结论

MCP Rag Test 属于数据服务类 MCP Server,公开资料标注 0 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

数据服务

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

docker run -p 6333:6333 -p 6334:6334 \

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

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 Docker,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 0 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

创建矢量数据库并运行MCP服务器 运行Docker与向量数据库交互:

  1. 运行docker桌面并播放与此应用程序相关的容器
  2. 如果您没有为此应用程序设置的容器,请运行以下命令。

用于窗口bash

docker run -p 6333:6333 -p 6334:6334 \
    -v /$(pwd)/qdrant_storage:/qdrant/storage \
    qdrant/qdrant

对于mac或linux终端,或者如果使用Git Bash

docker run -p 6333:6333 -p 6334:6334 \
    -v $(pwd)/qdrant_storage:/qdrant/storage \
    qdrant/qdrant
  1. 运行以下命令以创建或更新矢量数据库,并运行mcp服务器
python mcp_server.py

端口6333 → Qdrant的主要REST API端点。基于HTTP的可读JSON。 *转到Qdrant仪表板* http://localhost:6333/dashboard *前往Qdrant收藏* http://localhost:6333/collections

端口6334 → Qdrant的gRPC API终结点。gRPC是来自Google的二进制协议。比REST更快、更高效。您不直接在浏览器中使用它,而是从客户端库(如Python、Node.js或Go)连接到if。

  1. 如果您已经设置了docker-compose.yaml,请运行以下命令,此文件的作用与上面的docker run命令相同\[仅适用于您首次设置时\]
docker compose up 

运行MCP客户端

*备注* 如果你想选择工具问候和添加,而不是运行 python mcp_server.py,你应该跑 python simpleMCPserver.py

python simpleMCPClient.py

选择您的抹布或油布工具

停止Qdrant和Docker的正确方法:

  1. 优雅地停止Qdrant容器:

打开终端并运行:

docker stop 

这个命令告诉Qdrant完成任何写入并干净地关闭。

  1. 等待几秒钟以确保所有数据都已刷新到磁盘。
  1. 停止所有容器后,您可以安全地停止Docker Desktop或关闭计算机。

不要:

  • 在容器运行时强制退出Docker Desktop。
  • 在不停止容器的情况下关闭计算机。

漏洞: 现在每次停止docker,我们都必须重建向量数据库,以便能够看到向量数据库中的所有点

______________________________________________________________________

使用pyenv设置Python环境 该项目使用pyenv来管理Python版本和虚拟环境。按照以下步骤设置您的环境:

  1. 安装pyenv

按照\[pyenv安装|https://github.com/pyenv/pyenv#installation\]导游 为您的系统。 对于Windows,使用\[pyenv-win|https://github.com/pyenv-win/pyenv-win\].

  1. 安装所需的Python版本

该项目配置为使用Python 3.10.4(或根据需要更新到其他版本)。

pyenv install 3.10.4
  1. 设置本地Python版本

在项目文件夹中,设置Python版本:

cd myproject
pyenv local 3.10.4

这将在项目中创建一个.python版本文件。

  1. 创建虚拟环境

如果您安装了pyenv-virtualenv,请创建一个命名环境:

pyenv virtualenv 3.10.4 myproject-env
pyenv local myproject-env

如果你更喜欢内置的venv:

python -m venv venv
source venv/bin/activate   # macOS/Linux
source venv/Scripts/activate    # Windows
  1. 安装依赖项
pip install --upgrade pip
pip install -r requirements.txt
  1. 运行项目
python mcp_server.py

______________________________________________________________________

运行数据加载器脚本

该项目包括用于不同文件格式的数据加载器脚本。您可以在根文件夹中以两种方式测试它们:

选项1:直接运行脚本(推荐)

python ./loader/testing/load_csv.py [file_path]
python ./loader/testing/load_json.py [file_path]
python ./loader/testing/load_yaml.py [file_path]
python ./loader/testing/load_markdown.py [file_path]
python ./loader/testing/load_text.py [file_path]

选项2:作为模块运行

python -m loader.testing.load_csv [file_path]
python -m loader.testing.load_json [file_path]
python -m loader.testing.load_yaml [file_path]
python -m loader.testing.load_markdown [file_path]
python -m loader.testing.load_text [file_path]

示例:

# Using default files
python loader/load_csv.py
python loader/load_json.py

# Using custom files
python loader/load_csv.py ./data/my_data.csv
python loader/load_json.py ./data/my_data.json

如何安全地停止Qdrant/Docker(防止数据损坏) 为什么? 如果你突然停止Docker或Qdrant容器(例如在Qdrant运行时关闭Docker桌面或关闭计算机),你就有损坏Qdrant数据库文件的风险。这可能会导致以下错误 OutputTooSmall { expected: 4, actual: 0 } 以及矢量数据的丢失。

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

向量数据库Python本地部署机器学习数据检索QdrantDocker

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

用自然语言查库

不用手写 SQL,直接问数据,让模型组织查询语句。

数据巡检

定期拉指标、做对比,把异常项整理成一段说明。

打通业务数据

把数据库、数仓和接口接进同一个上下文,减少导出再上传。

选择建议

值得选的地方

  • 只提供 0 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 Docker,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

  • 需要在数据服务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
MCP Rag Test

MCP World · 本页

0stdio有1 个2026-05-17
Memory 9d25f64e

MCP World

9未说明未标注1 个2026-05-17
Prisma MCP Server

MCP World

0stdio有3 个2026-05-17
Astr Bot

MCP World

0stdio有1 个2026-05-17
Getzep MCP

MCP World

9stdio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

MCP Rag Test 怎么安装?

公开资料给出的安装命令是 docker run -p 6333:6333 -p 6334:6334 \,运行环境为 Docker。装完后按客户端要求写进 MCP 配置,重启客户端生效。

MCP Rag Test 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 Docker;保存后完全退出客户端再打开,配置才会生效。

MCP Rag Test 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。

MCP Rag Test 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。

MCP Rag Test 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