给 AI 客户端配向量记忆库，Qdrant 官方 MCP 服务器两工具极简
mcp-server-qdrant 是向量搜索引擎 Qdrant 官方开源的 MCP 服务器，Apache 2.0 协议，持续维护中。它的定位一句话说清：给 AI 客户端挂一层语义记忆。大模型上下文有限、会话一关就忘，这个服务器把「存一段信息」和「按意思找回来」做成了两个标准工具——信息进向量库变成可检索的 embedding，之后不管你怎么换说法提问，语义相近的内容都能召回。工具只有两个，学习成本几乎为零。
核心功能与特点
- 两个工具走天下：一个负责存——写入信息、可选挂元数据、指定集合；一个负责找——按查询语义检索相关内容。存取闭环就这两步，没有多余的按钮
- 语义检索而非关键词匹配：存进去的是「客户 A 的报表按周出」，之后问「那个每周要交表的客户」也能命中，靠的是向量相似度不是字面一致
- 本地远程双模式：既可连接远程 Qdrant 服务端，也可用本地数据目录模式在本机直接跑一个嵌入式实例，不用先搭服务器——轻量场景零基建起步
- 默认集合配置：设定默认集合名后，存取连集合参数都省了，对话更干净
- 元数据随行：每条记忆可挂结构化元数据，来源、时间、分类随存随取，检索结果可按属性过滤
- 传输方式可选：通过参数选择通信传输方式，适配不同客户端环境
怎么获取
在 GitHub 搜索组织 Qdrant 名下的 mcp-server-qdrant 仓库，按 README 配置环境变量——服务地址或本地路径、默认集合名填好，在支持 MCP 的客户端里启用即可；本地模式连服务端都不用装。
上手用法
- 项目记忆库：每个项目一个集合，需求决议、技术选型、踩坑记录随谈随存，新会话开场先查一轮
- 知识片段中枢：产品资料、常见问答存成带元数据的条目，客户咨询时语义召回，比全文检索准
- 会议结论归档：纪要的结论句存进去挂上日期，季度复盘时按主题问回来
- 个人工作笔记：零散经验不挑格式直接存，积累几个月后就是私人语义搜索库
- 多集合隔离：客户资料、内部知识、个人笔记分开集合，检索互不串味
适合谁用
想给 AI 客户端补上长期记忆的开发者和重度用户、搭建知识问答原型的技术团队。向量库是当下知识库与检索增强方案的地基之一，先用两个工具的基础配置把「存与召回」跑通，再谈复杂的知识管线，是个稳妥的学习路径——地基打牢，上面盖什么都有底气。
企业存储选型参考｜贵州诚鑫致达
做海量监控接入与长期归档，群晖机型参考：HD6500 · RS3621xs+ · DS2422+。需要选型建议或上门评估，搜「诚鑫致达」即可找到我们。