mcp

基于Qdrant向量数据库的MCP语义搜索服务

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：基于Qdrant向量数据库的MCP语义搜索服务
详细介绍见：https://321skill.com/skills/mcp-mcp-server-qdrant-retrive/
请根据该页面的说明完成安装。

“帮我搜索一下关于‘用户认证’和‘API限流’的相关文档。”，它会通过本Skill向Qdrant中预设的‘技术文档’、‘API手册’等多个集合发起查询，并返回来自不同集合、最相关的若干条结果，每条结果包含标题、摘要和来源。

该Skill旨在解决在复杂业务场景下，从多个独立的向量数据集合中高效、精准地检索信息并灵活配置返回结果的问题。传统单一集合的检索方式难以应对多源异构数据的查询需求，导致信息查找不全面或结果冗余。

通过集成Qdrant向量数据库，该服务支持同时查询多个预定义的向量集合，并根据用户配置动态调整返回字段、排序方式和数量限制。用户只需通过MCP协议发送包含查询文本和配置参数的请求，即可获得结构化的语义搜索结果。

它非常适合需要整合多个知识库或数据源进行智能搜索的后端开发者、智能体开发者以及数据分析师。例如，在构建企业知识问答系统时，可以同时检索产品文档、技术手册和客户案例库。

建议在使用前确保Qdrant服务已正确部署且各向量集合已创建并灌入数据。配置返回字段时，需明确各集合的字段结构，以避免查询错误。对于高并发场景，应注意Qdrant的性能调优和索引策略。

核心区别在于支持对多个向量集合进行联合检索与配置化返回，而非仅查询单一集合；允许通过配置文件动态定义每个集合的返回字段、相似度阈值和结果数量，提供了比固定返回模式更高的灵活性。

不适合需要实时更新向量数据或进行复杂聚合、过滤操作的场景，其功能聚焦于多集合的语义相似度检索。

如何配置要检索的多个集合？

需要在服务配置文件中预先定义集合名称、对应的向量维度及期望返回的字段列表。

支持哪些类型的查询输入？

主要支持自然语言文本，服务会将其编码为向量后在各集合中进行相似度搜索。