OpenAI MCP Qdrant

Qdrant MCP server with OpenAI Compatible API embedding support.

概要

このプロジェクトは、OpenAI Compatible API を使用した Qdrant MCP サーバーの実装です。mcp-server-qdrant の実装を参考に、OpenAI の text-embedding-3-small モデルを使用してテキストをベクトル化し、Qdrant に保存・検索する機能を提供します。

主な機能

• OpenAI Compatible API 統合: text-embedding-3-small モデルによる高品質な埋め込み生成
• カスタム Base URL サポート: 任意の OpenAI 互換 API（Azure OpenAI、vLLM など）で使用可能
• Qdrant 統合: 自動コレクション作成、ベクトル保存、意味検索
• MCP ツール:
  • qdrant-store: 情報とメタデータを保存
  • qdrant-find: 意味検索による関連情報の取得
• 環境変数設定: 柔軟な設定管理
• TypeScript 実装: 型安全で保守しやすいコード

インストール

npm から

npm install -g @rocklerson/openai-mcp-qdrant

ソースから

git clone https://github.com/rocklerson/openai-mcp-qdrant.git
cd openai-mcp-qdrant
npm install
npm run build

環境変数

必須

• OPENAI_API_KEY: OpenAI API キー

オプション

• OPENAI_BASE_URL: OpenAI Compatible API のベース URL
• OPENAI_EMBEDDING_MODEL: 埋め込みモデル（デフォルト: text-embedding-3-small）
• QDRANT_URL: Qdrant サーバー URL（デフォルト: http://localhost:6333）
• QDRANT_API_KEY: Qdrant API キー
• QDRANT_COLLECTION_NAME: コレクション名（デフォルト: mcp_memories）
• QDRANT_SEARCH_LIMIT: 検索結果の最大数（デフォルト: 5）

使用方法

Claude Desktop での設定

claude_desktop_config.json に以下を追加：

{
  "mcpServers": {
    "qdrant": {
      "command": "npx",
      "args": ["-y", "@rocklerson/openai-mcp-qdrant"],
      "env": {
        "OPENAI_API_KEY": "your-api-key",
        "QDRANT_URL": "http://localhost:6333",
        "QDRANT_COLLECTION_NAME": "claude_memories"
      }
    }
  }
}

ローカルでの開発

# 環境変数を設定
export OPENAI_API_KEY="your-api-key"
export QDRANT_URL="http://localhost:6333"

# ビルド
npm run build

# 実行
node dist/index.js

MCP Inspector での開発

# 環境変数を設定
export OPENAI_API_KEY="your-api-key"
export QDRANT_URL="http://localhost:6333"

# ビルドと実行
npm run build
npm run inspector

プロジェクト構成

src/
├── index.ts                      # メインエントリーポイント
├── config.ts                     # 環境変数設定管理
├── types.ts                      # 型定義
├── embeddings/
│   └── openai-provider.ts        # OpenAI Compatible API 実装
└── qdrant/
    └── connector.ts              # Qdrant 接続とデータ操作

利用可能なツール

qdrant-store

情報を Qdrant に保存します。

パラメータ:

• information (string, 必須): 保存するテキスト情報
• metadata (object, オプション): 追加のメタデータ（JSON形式）

例:

{
  "information": "Python は動的型付けのプログラミング言語です",
  "metadata": {
    "category": "programming",
    "language": "python"
  }
}

qdrant-find

Qdrant から関連情報を検索します。

パラメータ:

• query (string, 必須): 検索クエリ

例:

{
  "query": "プログラミング言語について教えて"
}

Qdrant のセットアップ

ローカル Qdrant の起動（Docker）

docker run -p 6333:6333 qdrant/qdrant

Qdrant Cloud の使用

1. https://cloud.qdrant.io でアカウントを作成
2. クラスターを作成
3. API キーと URL を取得
4. 環境変数を設定：

   export QDRANT_URL="https://your-cluster.qdrant.io:6333"
   export QDRANT_API_KEY="your-api-key"

技術的な特徴

• KISS 原則: シンプルで理解しやすいコード構造
• DRY 原則: 重複を避けた実装
• YAGNI 原則: 必要な機能のみを実装
• SOLID 原則: 拡張可能で保守しやすい設計
• 型安全: TypeScript による完全な型チェック
• 非同期処理: async/await による高性能な I/O 操作
• エラーハンドリング: 適切なログとエラー処理

開発

# 依存関係のインストール
npm install

# ビルド
npm run build

# ウォッチモード
npm run watch

ライセンス

MIT

参考

このプロジェクトは qdrant/mcp-server-qdrant の実装を参考にしています。