Was ist Qdrant MCP Server?
mcp-server-qdrant ist der offizielle MCP-Server von Qdrant, der Open-Source-Engine für Vektorsuche. Das README beschreibt ihn als semantische Gedächtnisschicht: Das Modell speichert Text und findet ihn später über die Bedeutung statt über exakte Wörter wieder. Das Repository hat rund 1.550 GitHub-Sterne und steht unter der Apache-2.0-Lizenz.
Er hat zwei Tools. qdrant-store speichert eine Information mit optionalen JSON-Metadaten, und qdrant-find führt eine semantische Suche aus, die standardmäßig bis zu 10 Ergebnisse liefert. Text wird lokal mit FastEmbed eingebettet, standardmäßig mit sentence-transformers/all-MiniLM-L6-v2, und FastEmbed ist der einzige unterstützte Anbieter. Er zeigt auf einen Qdrant-Server oder Cloud-Cluster (QDRANT_URL plus ein API-Schlüssel) oder eine lokale Datenbank auf der Festplatte und legt die Collection an, falls sie nicht existiert. QDRANT_READ_ONLY=true entfernt das Store-Tool, und seit 0.8.0 kann das Find-Tool im Code konfigurierte Payload-Filter anbieten.
Du startest ihn mit uvx mcp-server-qdrant; stdio ist der Standard, SSE und Streamable HTTP binden an 127.0.0.1:8000, sofern du das nicht änderst. Das neueste PyPI-Release ist 0.8.1 vom Dezember 2025; der letzte Commit, der Unterstützung für Kiro ergänzte, war im August 2026.
Qdrant MCP Server installieren
uvx mcp-server-qdrantLohnt sich Qdrant MCP Server?
Das Konzept ist absichtlich schmal. Zwei Tools, eine Standard-Collection und lokale Embeddings machen ihn leicht durchschaubar, und wer die Tool-Beschreibungen über Umgebungsvariablen umschreibt, macht daraus einen Speicher für Code-Snippets für Cursor, Windsurf oder Claude Code. Nichts geht an eine Embedding-API: FastEmbed betreibt MiniLM auf deinem Rechner, und Netzwerkverkehr gibt es nur zur Qdrant-Instanz deiner Wahl.
Die Grenzen zeigen sich schnell. Er kann keine Punkte auflisten, ändern oder löschen und keine Collections verwalten, und es werden nur FastEmbed-Modelle unterstützt. Eine Collection, die eine andere Pipeline mit Vektoren von OpenAI oder Cohere gebaut hat, durchsucht er also nicht. Payload-Filter gibt es zwar seit 0.8.0, sie werden aber konfiguriert, indem man den Server in Python ableitet, nicht über die dokumentierten Umgebungsvariablen, und laut einem offenen Issue funktioniert die Bedingung 'except' nie.
Zur Sicherheit: Die HTTP-Transporte binden standardmäßig an 127.0.0.1, aber das Docker-Beispiel im README setzt 0.0.0.0, und der MCP-Endpunkt hat keine eigene Authentifizierung. Alles, was den Port erreicht, kann also Erinnerungen lesen und schreiben. Gespeicherte Erinnerungen sind außerdem ein Kanal für Prompt Injection: qdrant-find gibt gespeicherten Text wörtlich zurück, und ein offenes Issue merkt an, dass er strukturelle Tags nicht maskiert. Alles, was ein Agent einmal von einer nicht vertrauenswürdigen Seite gespeichert hat, kommt so als Kontext zurück. Der Read-only-Modus ist der richtige Standard für Agenten, die nur abrufen.
Die Wartung ist langsam. Die pyproject legt fastmcp auf genau 2.7.0 fest, und ein Issue vom August 2026 listet 14 OSV-Befunde für diese Version, darunter eine kritische SSRF im OpenAPI-Provider von FastMCP, ohne dass eine Korrektur veröffentlicht wurde. Verglichen mit der lokalen Knowledge-Graph-Datei des Referenz-Memory-Servers bietet dieser echte semantische Suche; verglichen mit gehosteten Memory-Diensten bietet er Kontrolle auf Kosten von Funktionen und Patch-Tempo.
Wo es sich lohnt
Eine Entwicklerin, die Claude Code in mehreren Repositories nutzt
Einen durchsuchbaren Speicher wiederverwendbarer Code-Snippets und Entscheidungen führen
Mit COLLECTION_NAME=code-snippets und eigenen Tool-Beschreibungen starten; der Agent speichert Snippets mit Metadaten und findet sie später über die Bedeutung. Mit einer lokalen Datenbank auf der Festplatte kostenlos; MiniLM-Vektoren haben 384 Dimensionen, etwa 1,5 KB pro Stück.
Ein Plattformteam, das Qdrant bereits für RAG betreibt
Internen Agenten Lesezugriff auf eine kuratierte Wissens-Collection geben
Den Server mit QDRANT_READ_ONLY=true auf den Cluster richten, sodass nur qdrant-find bereitsteht. Das funktioniert nur, wenn die Collection mit demselben FastEmbed-Modell eingebettet wurde; andernfalls muss neu indexiert werden.
Ein kleines KI-Startup, das einen Prototyp für Agenten-Gedächtnis baut
Langzeitgedächtnis testen, bevor es für einen verwalteten Dienst bezahlt
Den kostenlosen 1-GB-Knoten von Qdrant Cloud nutzen; bei rund 1,5 KB pro MiniLM-Vektor ergeben 100.000 Erinnerungen etwa 150 MB an Vektoren, vor dem Index-Overhead. Wächst der Prototyp, wird der Wechsel zu Standard nutzungsbasiert abgerechnet.
Bevor du dich festlegst
- Einrichtung
- uvx mcp-server-qdrant mit gesetztem QDRANT_URL oder QDRANT_LOCAL_PATH und COLLECTION_NAME; das README dokumentiert Claude Desktop, Cursor, Windsurf, VS Code und Claude Code. Beim ersten Start wird das FastEmbed-Modell heruntergeladen, danach dauert ein erster Aufruf ein bis zwei Minuten.
- Integrationen
- Zwei Tools: qdrant-store (schreibend) und qdrant-find (lesend, bis zu QDRANT_SEARCH_LIMIT Ergebnisse, Standard 10). Der Read-only-Modus entfernt das Store-Tool; Filter auf Payload-Feldern brauchen eine Konfiguration im Code.
- Daten und Datenschutz
- Liest und schreibt die konfigurierte Collection mit dem Qdrant-API-Schlüssel, den du angibst; Embeddings werden lokal berechnet. Gespeicherter Text geht wörtlich an das Modell zurück, sodass Erinnerungen aus nicht vertrauenswürdigen Quellen eingeschleuste Anweisungen enthalten können. Der HTTP-Endpunkt hat keine eigene Authentifizierung.
- Kosten im großen Maßstab
- Der Server ist kostenlos. Selbst gehostetes Qdrant kostet nur die Maschine; die kostenlose Stufe von Qdrant Cloud ist ein Knoten mit 0,5 vCPU und 1 GB RAM, Standard wird nutzungsbasiert abgerechnet, und Premium mit SSO und privaten VPC-Verbindungen hat einen Mindestumsatz.
- Grenzen
- Keine Tools zum Ändern, Löschen oder für Collections, nur FastEmbed, fastmcp auf 2.7.0 mit offenen Sicherheitshinweisen festgelegt und laut einem offenen Issue weder Score-Schwelle noch Deduplizierung bei den Ergebnissen.
Was gut ist
- Offizieller Server von Qdrant
- Lokale Embeddings, keine externe API nötig
- Read-only-Modus und anpassbare Tool-Beschreibungen
- Funktioniert mit einer lokalen Datei, einem selbst gehosteten Server oder Qdrant Cloud
Was nicht
- Nur Speichern und Finden; kein Ändern, Löschen oder Verwalten von Collections
- Nur FastEmbed-Modelle
- Legt fastmcp auf 2.7.0 mit bekannten Sicherheitshinweisen fest; kein Release seit Dezember 2025
- Keine Authentifizierung am HTTP-Endpunkt selbst
Am besten für
Teams, die bereits Qdrant betreiben und ein einfaches, selbst gehostetes semantisches Gedächtnis oder einen Snippet-Speicher für ihre Agenten wollen.
Alternativen zu Qdrant MCP Server
Qdrant MCP Server: häufige Fragen
- Lohnt sich Qdrant MCP Server?
- Ein aufgeräumtes, lokales Gedächtnis für Agenten, die ohnehin neben Qdrant laufen, bewusst zu klein, um eine allgemeine Schnittstelle zur Datenbank zu sein. Wir bewerten es mit 3.7 von 5.
- Was kostet Qdrant MCP Server?
- Kostenlos und Open Source (Apache 2.0). Qdrant lässt sich kostenlos selbst hosten; Qdrant Cloud hat eine kostenlose Stufe mit einem Knoten (0,5 vCPU, 1 GB RAM, 4 GB Festplatte), ein nutzungsbasiertes Standard und eine Premium-Stufe mit Mindestumsatz.
- Welche Nachteile hat Qdrant MCP Server?
- Nur Speichern und Finden; kein Ändern, Löschen oder Verwalten von Collections; Nur FastEmbed-Modelle; Legt fastmcp auf 2.7.0 mit bekannten Sicherheitshinweisen fest; kein Release seit Dezember 2025; Keine Authentifizierung am HTTP-Endpunkt selbst.
- Für wen eignet sich Qdrant MCP Server?
- Teams, die bereits Qdrant betreiben und ein einfaches, selbst gehostetes semantisches Gedächtnis oder einen Snippet-Speicher für ihre Agenten wollen.
- Was kostet Qdrant MCP Server für ein Team oder im Produktivbetrieb?
- Der Server ist kostenlos. Selbst gehostetes Qdrant kostet nur die Maschine; die kostenlose Stufe von Qdrant Cloud ist ein Knoten mit 0,5 vCPU und 1 GB RAM, Standard wird nutzungsbasiert abgerechnet, und Premium mit SSO und privaten VPC-Verbindungen hat einen Mindestumsatz.
- Ist Qdrant MCP Server sicher für Firmendaten?
- Liest und schreibt die konfigurierte Collection mit dem Qdrant-API-Schlüssel, den du angibst; Embeddings werden lokal berechnet. Gespeicherter Text geht wörtlich an das Modell zurück, sodass Erinnerungen aus nicht vertrauenswürdigen Quellen eingeschleuste Anweisungen enthalten können. Der HTTP-Endpunkt hat keine eigene Authentifizierung.
- Was sind die besten Alternativen zu Qdrant MCP Server?
- Die nächsten Alternativen, die wir getestet haben, sind Memory (reference server), Redis MCP Server und MongoDB MCP Server.
Antworten geprüft am 23. Okt. 2026.