Zed MCP Qdrant

MCP数据服务

提供方 hansdoebel

数据服务 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

Zed的Qdrant向量数据库扩展,通过Model Context Protocol (MCP)直接访问,支持任何兼容OpenAI的嵌入服务器。

一句话选型结论

按资料字段整理

Zed MCP Qdrant 属于数据服务类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。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。

分类数据服务 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 27 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

数据服务
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27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

向量数据库JavaScript本地部署Zed扩展MCP协议嵌入服务器AI工具

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
docker run -p 6333:6333 -p 6334:6334 qdrant/qdrant

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  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

    连接成功后客户端会列出约 27 个工具,随便调一个只读工具确认能返回结果。

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
数据库查询

用自然语言查库、取数,不用手写 SQL。

数据同步与清洗

把多来源数据拉到一处做整理。

报表取数

按口径快速拉出统计结果。

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 27 个工具,覆盖面较广,能满足多种调用。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与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、能接受在本地或自有环境跑服务的人。

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

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
Zed MCP Qdrant当前 27 stdio · 本地进程 本地部署 有 2026-05-17
Memory 9d25f64e 9 未标注 未标注 无 2026-05-17
Getzep MCP 9 stdio · 本地进程 本地部署 有 2026-05-17
anything-llm 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Prisma MCP Server 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Astr Bot 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

数据服务
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hansdoebel上游标注的维护方 hansdoebel
分类数据服务本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
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 · Docker本地安装时用到的包标识与运行时
部署类型本地部署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

8.8 KB
来自项目仓库与上游目录的原文,未做删改

Zed的Qdrant MCP

Zed扩展,使用模型上下文协议(MCP)直接在Zed中访问Qdrant矢量数据库。适用于任何与OpenAI兼容的嵌入服务器(llama.cpp、Ollama、vLLM、LM Studio等)。

目录

  • 先决条件
  • 快速开始
  • 配置
  • 兼容的嵌入式服务器
  • 推荐的嵌入模型
  • 可用工具
  • 安装扩展
  • 安装位置
  • 发展
  • 资源

先决条件

Qdrant

您需要一个正在运行的Qdrant实例。选项:

Qdrant Cloud(建议用于生产)

  1. 注册地址:https://cloud.qdrant.io
  2. 创建集群
  3. 将URL和API密钥复制到设置(自动添加默认端口: :6334 对于gRPC, :6333 用于REST)

使用Docker的本地Qdrant```bash

Quick start (data lost when container stops)

docker run -p 6333:6333 -p 6334:6334 qdrant/qdrant

With persistent storage (recommended)

docker run -d --name qdrant \
-p 6333:6333 -p 6334:6334 \
-v qdrant_storage:/qdrant/storage \
--restart unless-stopped \
qdrant/qdrant


管理容器:```bash
docker stop qdrant    # stop
docker start qdrant   # start again (data persists)
docker logs qdrant    # view logs

macOS上的本地Qdrant二进制文件(无Docker)

从下载最新二进制文件 Qdrant发布:

  • 苹果硅(M1/M2/M3/M4): qdrant-aarch64-apple-darwin.tar.gz
  • 英特尔: `qdrant-x86_64-apple-darwin.tar.gz````bash

Extract and run

tar -xzf qdrant-*.tar.gz
./qdrant


Qdrant将在默认端口上启动(`6333` HTTP, `6334` gRPC)。

### 嵌入式服务器

你需要任何公开OpenAI兼容的服务器 `/v1/embeddings` 终点。看 兼容的嵌入式服务器 选择。

## 快速开始

1. 启动Qdrant(云端或本地)
1. 启动嵌入服务器(请参见 兼容的嵌入式服务器)
1. 在Zed中安装此扩展(请参阅 安装扩展)
1. 将设置添加到 `~/.config/zed/settings.json`:```json
{
"context_servers": {
"mcp-server-qdrant": {
"settings": {
"embedding_server_url": "http://localhost:8080",
"embedding_model": "snowflake-arctic-embed2"
}
}
}
}
  1. 使用 qdrant-store 保存文本和 qdrant-find 从语义上搜索

配置

在中配置 ~/.config/zed/settings.json:```json
{
"context_servers": {
"mcp-server-qdrant": {
"settings": {
"qdrant_url": "https://xxx.cloud.qdrant.io",
"qdrant_api_key": "your-api-key",
"collection_name": "zed_collection",
"embedding_server_url": "http://localhost:8080",
"embedding_api_key": "",
"embedding_model": "snowflake-arctic-embed2",
"transport_protocol": "grpc",
"enabled_tool_groups": "core"
}
}
}
}


|设置|默认值|说明|
|---------|---------|-------------|
| `qdrant_url` |--|Qdrant服务器URL|
| `qdrant_api_key` |-|Qdrant Cloud的API密钥|
| `collection_name` |--|矢量集合名称(自动创建)|
| `embedding_server_url` |--|任何兼容OpenAI的嵌入服务器的URL|
| `embedding_api_key` |-|嵌入服务器的可选API密钥|
| `embedding_model` |--|传递给嵌入服务器的模型名称|
| `transport_protocol` | `grpc` |传输协议: `"grpc"` (端口6334)或 `"rest"` (端口6333)|
| `enabled_tool_groups` | `core` |以逗号分隔的要启用的工具组列表(请参见 工具组) |

### 传输协议

该扩展支持gRPC和REST与Qdrant通信:

- **gRPC** (默认)--二进制协议,对大数据有更好的性能。使用端口 `6334`.
- **表征状态转移** --基于JSON,更易于调试。使用端口 `6333`.

使用Docker在本地运行Qdrant时,暴露两个端口以允许切换:```bash
docker run -p 6333:6333 -p 6334:6334 qdrant/qdrant

集 "transport_protocol": "rest" 在您的设置中使用REST。正确的默认端口会在以下情况下自动应用 qdrant_url 没有指定一个。

兼容的嵌入式服务器

任何公开OpenAI兼容的服务器 /v1/embeddings 端点将工作。配置 embedding_server_url 和 embedding_model 因此。

服务器 默认URL 示例 embedding_model 启动命令
llama.cpp http://localhost:8080 snowflake-arctic-embed2 llama-server -m model.gguf --embeddings --port 8080
奥拉玛 http://localhost:11434 nomic-embed-text ollama serve (那么 ollama pull nomic-embed-text)
虚拟大语言模型 http://localhost:8000 BAAI/bge-m3 vllm serve BAAI/bge-m3
LM 工作室 http://localhost:1234 nomic-embed-text 从LM Studio UI启动服务器
LocalAI http://localhost:8080 bert-cpp-minilm-v6 local-ai run bert-cpp-minilm-v6

推荐的嵌入模型

型号 尺寸 最大令牌 最适合
nomic嵌入文本v1.5 768 8192 重量轻,GGUF就绪
mxbai嵌入大 1024 512 高精度,以英语为中心
jina-embeddings-v4 2048 8192 多模式(文本+图像)

工具组

工具被组织成组,以减少上下文窗口的使用。默认情况下,只有 核心 组已启用(约450个令牌)。启用所有27个工具会消耗约5500个上下文令牌。

组 工具 描述
core 3 语义存储、查找和列表集合(默认)
collections 5 创建、删除、添加信息、存在、更新收藏
points 5 查找、获取、删除、计数、滚动点
search 6 矢量搜索、推荐、查询、批处理、分组、发现
payload 4 设置/删除有效载荷,创建/删除索引
admin 4 别名和快照

使用逗号分隔的列表在设置中启用组:```json
{
"context_servers": {
"mcp-server-qdrant": {
"settings": {
"enabled_tool_groups": "core,collections,search"
}
}
}
}


使用 `"all"` 为了使每个组都能:```json
"enabled_tool_groups": "all"

可用工具

语义操作

  • qdrant-store -使用自动生成的嵌入来存储文本
  • qdrant-find -搜索语义相似的文本

Collection Management (6 tools)

  • qdrant-list-collections -列出所有收藏
  • qdrant-create-collection -创建新的矢量集合
  • qdrant-delete-collection -删除收藏
  • qdrant-get-collection-info -获取收藏详细信息
  • qdrant-update-collection -更新收集参数(HNSW、优化器等)
  • qdrant-collection-exists -检查是否存在集合

Point Operations (5 tools)

  • qdrant-upsert-points -使用矢量和有效载荷插入或更新点
  • qdrant-get-points -按ID检索积分
  • qdrant-delete-points -按ID或筛选器删除点
  • qdrant-count-points -统计集合中的点数
  • qdrant-scroll-points -通过点进行分页

Search & Query (6 tools)

  • qdrant-search -原始向量相似度搜索
  • qdrant-recommend -通过示例ID查找相似点(不需要向量)
  • qdrant-query -通用查询端点(融合、重新排序、嵌套预取)
  • qdrant-search-batch -在一个请求中执行多个搜索
  • qdrant-search-groups -使用按有效载荷字段分组的结果进行搜索
  • qdrant-discover -基于上下文的正/负对探索

Payload & Index Management (4 tools)

  • qdrant-set-payload -设置或更新现有点上的有效载荷字段
  • qdrant-delete-payload -从点中删除特定的有效载荷密钥
  • qdrant-create-index -创建有效载荷字段索引,以实现更快的筛选搜索
  • qdrant-delete-index -删除有效载荷字段索引

Aliases (2 tools)

  • qdrant-list-aliases -列出特定集合的所有别名或别名
  • qdrant-update-aliases -创建、重命名或删除集合别名

Snapshots (2 tools)

  • qdrant-list-snapshots -列出集合的快照
  • qdrant-create-snapshot -创建快照进行备份

安装扩展

您可以通过按cmd-shift-x启动Zed扩展库,打开命令面板并选择Zed:extensions,或从菜单栏中选择“Zed>extensions”来搜索扩展。

您可以在此处查看当前已安装的扩展,或搜索并安装新的扩展。

安装位置

  • 在macOS上,扩展安装在~/Library/ApplicationSupport/Zd/extensions中。
  • 在Linux上,它们安装在$XDG_DATA_HOME/zed/dextensions或~/.local/share/zed/deextensions中。
  • 在Windows上,目录是%LOCALAPPDATA%\Zed\extensions。

此目录包含两个子目录:

  • 已安装,其中包含每个扩展的源代码。
  • 工作,其中包含由扩展本身创建的文件,如下载的语言服务器。

发展

看 docs/DEVELOPMENT.md 用于构建指令、测试设置和依赖关系管理。

资源

仓库

  • GitHub上Zed仓库的Qdrant MCP服务器扩展

泽德

  • Zed Docs–安装扩展
  • Zed Docs–开发扩展
  • Zed Docs–MCP服务器扩展
  • Zed Docs–模型上下文协议(MCP)
  • Zed Industries/扩展GitHub仓库

Qdrant

  • Qdrant API参考
  • Qdrant API和SDK文档
  • GitHub上的Qdrant Rust客户端
  • GitHub上的Qdrant Open API定义
  • GitHub上的Qdrant protobuf定义
  • Qdrant模型上下文协议(MCP)服务器的官方实现
  • qdrant关于npmjs的技术简介
  • Qdrant JavaScript SDK(REST+gRPC)

嵌入服务器

  • GitHub上的llama.cpp
  • llama.cpp服务器文档
  • 奥拉玛
  • 虚拟大语言模型
  • LM 工作室
  • LocalAI

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Zed MCP Qdrant 怎么安装?

在客户端按下面的安装命令接入:docker run -p 6333:6333 -p 6334:6334 qdrant/qdrant。装完在客户端配置里引用同一个包或端点。

Zed MCP 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。

Zed MCP 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。

Zed MCP 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。

Zed MCP Qdrant 能提供哪些能力?

资料显示约 27 个工具;能力标签包括 向量数据库、JavaScript、Docker。具体工具清单以官方文档为准。

Zed MCP Qdrant 需要什么运行环境?

运行时为 Docker;属于本地进程,需要在本机装好运行环境。

Zed MCP Qdrant 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

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。