mcp

将文档爬取存入Qdrant，实现基于向量检索的智能问答。

安装使用

复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：

帮我安装这个 AI Skill：mcp。
它的用途是：将文档爬取存入Qdrant，实现基于向量检索的智能问答。
详细介绍见：https://321skill.com/skills/mcp-mcp-qdrant-docs/
请根据该页面的说明完成安装。

“帮我查一下我们产品v2.1版本的API速率限制是多少？”，它会自动查询你已索引的产品文档，并给出准确的段落引用。或者

对AI说：“根据我们的用户手册，总结一下故障排查的五个关键步骤。”，它会从向量库中找到相关章节并生成摘要。

这个Skill解决的核心问题是，如何让AI助手能够基于你指定的文档（如产品手册、技术文档、内部Wiki）进行精准、有据可依的问答。它通过一个MCP服务器，自动抓取网页内容，将其转换为向量并存储到Qdrant向量数据库中，从而为AI提供可检索的知识库。

使用时，你需要先部署并配置好这个MCP服务器，将其连接到你的Claude Desktop或支持MCP的AI平台。之后，AI助手就能通过查询Qdrant数据库，从你已爬取的文档中寻找相关信息来回答你的问题，而不是仅依赖其内部知识。

它非常适合需要处理大量、特定领域文档的团队或个人，例如产品经理需要快速查询产品规格，或开发者需要查找API文档细节。通过将文档向量化，AI能更准确地理解语义并进行检索。

建议在部署前，明确需要爬取和索引的文档范围，并确保Qdrant服务稳定运行。注意，初始的文档爬取和索引构建可能需要一些时间和计算资源。

与同类文档问答Skill相比，它明确集成了Qdrant作为向量数据库，提供了更专业、可扩展的向量存储和检索能力；同时，它基于TypeScript开发，对Node.js技术栈的开发者更友好，易于二次开发和集成到现有工作流中。

不适合需要实时更新或处理流式数据的场景，文档更新后需要重新触发爬取和索引过程。

这个Skill需要我自己部署Qdrant吗？

是的，你需要自行部署和运行Qdrant数据库，本Skill作为MCP服务器负责连接和操作它。

它能爬取需要登录的网站吗？

这取决于具体的爬虫实现，当前的README摘要未提及认证功能，可能需要自行扩展爬虫逻辑。