基于 Qdrant 持久化的 MCP 内存服务器

此 MCP 服务器提供了一个知识图谱实现，该实现具有由 Qdrant 向量数据库驱动的语义搜索功能。

特性

• 基于图的知识表示，包含实体和关系
• 基于文件的持久化 (memory.json)
• 使用 Qdrant 向量数据库进行语义搜索
• 使用 OpenAI 嵌入进行语义相似度计算
• 支持 HTTPS，兼容反向代理
• 支持 Docker，易于部署

环境变量

以下环境变量是必需的：

# 用于生成嵌入的 OpenAI API 密钥
OPENAI_API_KEY=your-openai-api-key

# Qdrant 服务器 URL（支持 HTTP 和 HTTPS）
QDRANT_URL=https://your-qdrant-server

# Qdrant API 密钥（如果启用了身份验证）
QDRANT_API_KEY=your-qdrant-api-key

# 要使用的 Qdrant 集合的名称
QDRANT_COLLECTION_NAME=your-collection-name

设置

本地设置

1. 安装依赖项：

npm install

2. 构建服务器：

npm run build

Docker 设置

1. 构建 Docker 镜像：

docker build -t mcp-qdrant-memory .

2. 使用所需的环境变量运行 Docker 容器：

docker run -d \
  -e OPENAI_API_KEY=your-openai-api-key \
  -e QDRANT_URL=http://your-qdrant-server:6333 \
  -e QDRANT_COLLECTION_NAME=your-collection-name \
  -e QDRANT_API_KEY=your-qdrant-api-key \
  --name mcp-qdrant-memory \
  mcp-qdrant-memory

添加到 MCP 设置：

{
  "mcpServers": {
    "memory": {
      "command": "/bin/zsh",
      "args": ["-c", "cd /path/to/server && node dist/index.js"],
      "env": {
        "OPENAI_API_KEY": "your-openai-api-key",
        "QDRANT_API_KEY": "your-qdrant-api-key",
        "QDRANT_URL": "http://your-qdrant-server:6333",
        "QDRANT_COLLECTION_NAME": "your-collection-name"
      },
      "alwaysAllow": [
        "create_entities",
        "create_relations",
        "add_observations",
        "delete_entities",
        "delete_observations",
        "delete_relations",
        "read_graph",
        "search_similar"
      ]
    }
  }
}

工具

实体管理

• create_entities: 创建多个新实体
• create_relations: 创建实体之间的关系
• add_observations: 向实体添加观察
• delete_entities: 删除实体及其关系
• delete_observations: 删除特定观察
• delete_relations: 删除特定关系
• read_graph: 获取完整的知识图谱

语义搜索

• search_similar: 搜索语义上相似的实体和关系

  interface SearchParams {
    query: string;     // 搜索查询文本
    limit?: number;    // 最大结果数（默认值：10）
  }
  

实现细节

服务器维护两种形式的持久化：

1. 基于文件 (memory.json)：

   • 完整的知识图谱结构
   • 快速访问完整图谱
   • 用于图谱操作

2. Qdrant 向量数据库：

   • 实体和关系的语义嵌入
   • 启用相似性搜索
   • 自动与文件存储同步

同步

当实体或关系被修改时：

1. 更改被写入 memory.json
2. 使用 OpenAI 生成嵌入
3. 向量存储在 Qdrant 中
4. 两个存储系统保持一致

搜索过程

搜索时：

1. 查询文本被转换为嵌入
2. Qdrant 执行相似性搜索
3. 结果包括实体和关系
4. 结果按语义相似度排序

使用示例

// 创建实体
await client.callTool("create_entities", {
  entities: [{
    name: "Project",
    entityType: "Task",
    observations: ["A new development project"]
  }]
});

// 搜索相似的概念
const results = await client.callTool("search_similar", {
  query: "development tasks",
  limit: 5
});

HTTPS 和反向代理配置

服务器支持通过 HTTPS 和反向代理连接到 Qdrant。 这在以下情况下特别有用：

• 在 Nginx 或 Apache 等反向代理后面运行 Qdrant
• 使用自签名证书
• 需要自定义 SSL/TLS 配置

使用反向代理进行设置

1. 配置您的反向代理（使用 Nginx 的示例）：

server {
    listen 443 ssl;
    server_name qdrant.yourdomain.com;

    ssl_certificate /path/to/cert.pem;
    ssl_certificate_key /path/to/key.pem;

    location / {
        proxy_pass http://localhost:6333;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

2. 更新您的环境变量：

QDRANT_URL=https://qdrant.yourdomain.com

安全注意事项

服务器实现了强大的 HTTPS 处理，具有：

• 自定义 SSL/TLS 配置
• 正确的证书验证选项
• 连接池和保持活动状态
• 自动重试和指数退避
• 可配置的超时

排除 HTTPS 连接故障

如果您遇到连接问题：

1. 验证您的证书：

openssl s_client -connect qdrant.yourdomain.com:443

2. 测试直接连接：

curl -v https://qdrant.yourdomain.com/collections

3. 检查任何代理设置：

env | grep -i proxy

贡献

1. Fork 仓库
2. 创建一个功能分支
3. 进行更改
4. 提交 pull request

许可证

MIT