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:```yaml
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```bash
# 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```json
{
"mcpServers": {
"qdrant-memory": {
"command": "qdrant-mcp",
"env": {
"COLLECTION_NAME": "ima-knowledge"
}
}
}
}
## 测试```bash
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
