agent rag qdrant

MCP搜索检索

提供方 bergollo

搜索检索 未标注 无需鉴权 社区 / 第三方

一个集成了Qdrant向量存储和AI服务的实验性RAG工具,用于探索和测试检索增强生成技术的实现。

一句话选型结论

按资料字段整理

agent rag qdrant 属于搜索检索类 MCP 服务器,传输方式未标注,无需鉴权,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类搜索检索 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

搜索检索
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

检索增强生成Python本地部署向量存储AI服务FastAPIReact

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;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 配置里填好启动命令和参数,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

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
联网搜索取证

让模型查最新资料并给出出处。

资料聚合

把一个主题的网页、文档集中抓回来整理。

情报与竞品检索

按关键词持续检索行业动态和竞品信息。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与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、能接受在本地或自有环境跑服务的人。

不太适合

  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
agent rag qdrant当前 未标注 未标注 未标注 无 2026-05-17
Brave Search 433812ff 2 未标注 未标注 无 2026-05-17
Sequentialthinking 1 SSE · 服务端推送 远程部署 有 2026-05-18
Baidu Netdisk 未标注 未标注 未标注 无 2026-05-17
ragflow 未标注 stdio · 本地进程 本地部署 有 2026-04-11
mindsdb (430e18) 未标注 未标注 未标注 有 2026-05-17

服务器档案

搜索检索
字段来自项目仓库与公开索引,中文说明由本站标注
提供方bergollo上游标注的维护方 bergollo
分类搜索检索本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

3.3 KB
来自项目仓库与上游目录的原文,未做删改

RAG Qdrant探员

AI Agent&Qdrant是一个小型的实验性单仓库,它汇集了基本的模型上下文协议(MCP)组件和Qdrant向量存储。该项目的目标是探索如何在一个地方构建一个简单的检索增强生成(RAG)设置,在那里可以测试和更新工具、代理和工作流,而无需管理多个仓库。


快速入门:MCP示例,包括Qdrant、ai_service(存根)、后端(FastAPI)、前端(Vite React)

  1. 构建并运行(需要Docker Compose):
    docker构建

  2. 服务

  • 后端(FastAPI):http://localhost:8000

  • 健康:http://localhost:8000/api/health/

  • AI端点:http://localhost:8000/api/ai/query(职位)

  • AI服务(存根):http://localhost:8001

  • 健康:http://localhost:8001/health

  • 查询:http://localhost:8001/v1/query(职位)

  • 问题:http://localhost:6333(用于存根)

  1. 卷曲示例:
    curl-X POSThttp://localhost:8000/api/ai/query-H“内容类型:应用程序/json”-d'{“查询”:“你好”}'

笔记:

  • 这 frontend_builder 该服务构建Vite前端,并将构建内容复制到NGINX容器中。

具有AI服务、FastAPI、Redaction Gate MCP和React UI的MCP Monrepo项目结构

  • Python AI服务(例如,使用LangChain/OpenAI)
  • Python FastAPI后端(提供API端点)
  • React前端```
    agent_rag_qdrant/
    │
    ├── .github/
    │ └── workflow/
    │ └── github-actions.yml
    │
    ├── ai_service/ # Python AI service (LangChain/OpenAI logic)
    │ ├── main.py
    │ ├── requirements.txt
    │ └── ... (other modules)
    │
    ├── backend/ # FastAPI backend (serves API)
    │ ├── main.py
    │ ├── requirements.txt
    │ └── ... (routers, models, etc.)
    │
    ├── frontend/ # React UI
    │ ├── package.json
    │ ├── public/
    │ └── src/
    │
    ├── redaction_gate/ # Python Redact FastMCP/FastAPI
    │ ├── main.py
    │ ├── requirements.txt
    │ └── ... (other modules)
    │
    ├── docker-compose.yml
    └── README.md

**细节:**

- `ai_service/`:包含核心AI逻辑,可以作为单独的服务运行或由后端导入。
- `backend/`:FastAPI应用程序,可以为API端点提供服务。
- `frontend/`:React应用程序(使用Create React app、Vite或类似工具创建)。
- docker-compose.yml:编排所有服务(Qdrant、AI服务、FastAPI后端、NGINX中的React前端)。
- `redaction_gate/`:FastMCP服务,可以为MCP服务。

**要点:**

- 这 `frontend` 服务构建React应用程序并输出到 `frontend/build`.
- 这 `backend` 为API端点提供服务。
- 这 `ai_service` 可以是单独的微服务,也可以由后端导入。

______________________________________________________________________

**部署前**

- 添加 `.env` 归档于 *./ai_服务/* 并定义 **OPENAI_API_KEY=\[API_KEY\]** 以允许访问OpenAI。

______________________________________________________________________

# 开发环境

- 使用以下docker compose命令执行deploy-dev模式:```bash
docker compose -f docker-compose.yml -f docker-compose.overwrite.dev.yml up -d --build

常见问题

5 问
答案由本站依据条目字段整理,不引用上游原文
agent rag qdrant 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

agent rag qdrant 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

agent rag qdrant 收费吗?

本站不代收费用,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。

agent rag qdrant 需要 API Key 吗?

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。

agent rag qdrant 能提供哪些能力?

资料显示能力标签包括 检索增强生成、FastAPI、AI服务、Python。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。