Qu’est-ce que Qdrant MCP Server ?
mcp-server-qdrant est le serveur MCP officiel de Qdrant, le moteur de recherche vectorielle open source. Le README le décrit comme une couche de mémoire sémantique : le modèle sauvegarde du texte, et le retrouve plus tard par le sens plutôt que par les mots exacts. Le dépôt a environ 1 550 étoiles GitHub et une licence Apache 2.0.
Il a deux outils. qdrant-store sauvegarde une information avec des métadonnées JSON optionnelles, et qdrant-find lance une recherche sémantique renvoyant jusqu'à 10 résultats par défaut. Le texte est embarqué localement avec FastEmbed, par défaut sentence-transformers/all-MiniLM-L6-v2, et FastEmbed est le seul fournisseur pris en charge. Il pointe vers un serveur Qdrant ou un cluster cloud (QDRANT_URL plus une clé d'API) ou une base de données locale sur disque, et crée la collection si elle n'existe pas. QDRANT_READ_ONLY=true retire l'outil store, et depuis 0.8.0 l'outil find peut exposer des filtres de payload configurés dans le code.
Faites-le tourner avec uvx mcp-server-qdrant ; stdio est le défaut, avec SSE et Streamable HTTP liés à 127.0.0.1:8000 sauf changement. La dernière version PyPI est 0.8.1 de décembre 2025 ; le dernier commit, ajoutant la prise en charge de Kiro, était en août 2026.
Installer Qdrant MCP Server
uvx mcp-server-qdrantQdrant MCP Server vaut-il le coup ?
La conception est étroite à dessein. Deux outils, une collection par défaut et des embeddings locaux la rendent facile à raisonner, et réécrire les descriptions d'outils via des variables d'environnement la transforme en un stockage d'extraits de code pour Cursor, Windsurf ou Claude Code. Rien ne va à une API d'embedding : FastEmbed fait tourner MiniLM sur votre machine, et le seul trafic réseau est vers l'instance Qdrant que vous avez choisie.
Les limites se montrent vite. Il ne peut pas lister, mettre à jour ou supprimer des points ni gérer des collections, et seuls les modèles FastEmbed sont pris en charge, si bien qu'il ne cherchera pas dans une collection construite par un autre pipeline avec des vecteurs OpenAI ou Cohere. Le filtrage de payload existe depuis 0.8.0, mais il est configuré en sous-classant le serveur en Python plutôt que via les variables d'environnement documentées, et une issue ouverte rapporte que la condition « except » ne marche jamais.
Sur la sécurité, les transports HTTP se lient à 127.0.0.1 par défaut, mais l'exemple Docker du README règle 0.0.0.0 et le endpoint MCP n'a pas d'authentification propre, si bien que tout ce qui peut atteindre le port peut lire et écrire des mémoires. Les mémoires stockées sont aussi un canal d'injection de prompt : qdrant-find renvoie le texte sauvegardé mot pour mot, et une issue ouverte note qu'il n'échappe pas les balises structurelles, si bien que tout ce qu'un agent a un jour stocké d'une page non fiable revient comme contexte. Le mode lecture seule est le bon défaut pour les agents de récupération seule.
La maintenance est lente. Le pyproject épingle fastmcp à exactement 2.7.0, et une issue d'août 2026 liste 14 conclusions OSV contre cette version, dont un SSRF critique dans le fournisseur OpenAPI de FastMCP, sans correctif publié. Comparé au fichier de graphe de connaissances local du serveur de mémoire de référence, cela donne une vraie recherche sémantique ; comparé aux services de mémoire hébergés, du contrôle au prix des fonctions et de la cadence de correctifs.
Là où il fait la différence
Un développeur qui utilise Claude Code sur plusieurs dépôts
Garder un stockage recherchable d'extraits de code et de décisions réutilisables
Faites tourner avec COLLECTION_NAME=code-snippets et des descriptions d'outils personnalisées ; l'agent stocke les extraits avec des métadonnées et les retrouve par le sens plus tard. Gratuit avec une base de données locale sur disque ; les vecteurs MiniLM font 384 dimensions, environ 1,5 Ko chacun.
Une équipe plateforme qui fait déjà tourner Qdrant pour du RAG
Donner aux agents internes un accès en lecture seule à une collection de connaissances sélectionnée
Pointez le serveur vers le cluster avec QDRANT_READ_ONLY=true pour que seul qdrant-find soit exposé. Ne marche que si la collection a été embarquée avec le même modèle FastEmbed ; sinon elle a besoin d'être réindexée.
Une petite start-up d'IA qui prototype la mémoire d'agent
Tester la m émoire à long terme avant de payer pour un service managé
Utilisez le nœud gratuit de 1 Go de Qdrant Cloud ; à environ 1,5 Ko par vecteur MiniLM, 100 000 mémoires font environ 150 Mo de vecteurs avant le surcoût d'index. Passer à Standard est basé sur l'usage quand le prototype grandit.
Avant de vous engager
- Mise en route
- uvx mcp-server-qdrant avec QDRANT_URL ou QDRANT_LOCAL_PATH et COLLECTION_NAME définis ; le README documente Claude Desktop, Cursor, Windsurf, VS Code et Claude Code. La première exécution télécharge le modèle FastEmbed, puis un premier appel prend une minute ou deux.
- Intégrations
- Deux outils : qdrant-store (écriture) et qdrant-find (lecture, jusqu'à QDRANT_SEARCH_LIMIT résultats, 10 par défaut). Le mode lecture seule abandonne l'outil store ; les filtres sur les champs de payload ont besoin d'une configuration au niveau du code.
- Données et confidentialité
- Lit et écrit la collection configurée avec la clé d'API Qdrant que vous fournissez ; les embeddings sont calculés localement. Le texte stocké revient mot pour mot au modèle, si bien que les mémoires sauvegardées de sources non fiables peuvent porter des instructions injectées. Le endpoint HTTP n'a pas d'authentification propre.
- Coût à grande échelle
- Le serveur est gratuit. Qdrant auto-hébergé ne coûte que la machine ; le palier gratuit de Qdrant Cloud est un nœud à 0,5 vCPU et 1 Go de RAM, Standard est basé sur l'usage et Premium, avec SSO et liens VPC privés, a une dépense minimale.
- Limites
- Pas d'outils de mise à jour, de suppression ni de collection, FastEmbed uniquement, fastmcp épinglé à 2.7.0 avec des avis ouverts, et pas de seuil de score ni de déduplication sur les résultats selon une issue ouverte.
Les points forts
- Serveur officiel de Qdrant
- Embeddings locaux, aucune API externe nécessaire
- Mode lecture seule et descriptions d'outils personnalisables
- Marche avec un fichier local, un serveur auto-hébergé ou Qdrant Cloud
Les points faibles
- Seulement store et find ; pas de mise à jour, de suppression ni de gestion de collection
- Modèles FastEmbed uniquement
- Épingle fastmcp 2.7.0 avec des avis connus ; aucune version depuis décembre 2025
- Pas d'authentification sur le endpoint HTTP lui-même
Idéal pour
Les équipes qui font déjà tourner Qdrant et veulent une mémoire sémantique ou un stockage d'extraits simple et auto-hébergé pour leurs agents.
Alternatives à Qdrant MCP Server
Qdrant MCP Server : questions fréquentes
- Qdrant MCP Server vaut-il le coup ?
- Une mémoire soignée et local-first pour les agents qui se trouvent déjà à côté de Qdrant, délibérément trop petite pour être une interface généraliste vers la base de données. Nous lui donnons 3.7 sur 5.
- Combien coûte Qdrant MCP Server ?
- Gratuit et open source (Apache 2.0). Qdrant est gratuit à auto-héberger ; Qdrant Cloud a un palier mono-nœud gratuit (0,5 vCPU, 1 Go de RAM, 4 Go de disque), un Standard basé sur l'usage et un palier Premium avec une dépense minimale.
- Quels sont les inconvénients de Qdrant MCP Server ?
- Seulement store et find ; pas de mise à jour, de suppression ni de gestion de collection; modèles FastEmbed uniquement; épingle fastmcp 2.7.0 avec des avis connus ; aucune version depuis décembre 2025; pas d'authentification sur le endpoint HTTP lui-même.
- À qui s’adresse Qdrant MCP Server ?
- Les équipes qui font déjà tourner Qdrant et veulent une mémoire sémantique ou un stockage d'extraits simple et auto-hébergé pour leurs agents.
- Combien coûte Qdrant MCP Server pour une équipe ou en production ?
- Le serveur est gratuit. Qdrant auto-hébergé ne coûte que la machine ; le palier gratuit de Qdrant Cloud est un nœud à 0,5 vCPU et 1 Go de RAM, Standard est basé sur l'usage et Premium, avec SSO et liens VPC privés, a une dépense minimale.
- Qdrant MCP Server est-il sûr pour les données de l’entreprise ?
- Lit et écrit la collection configurée avec la clé d'API Qdrant que vous fournissez ; les embeddings sont calculés localement. Le texte stocké revient mot pour mot au modèle, si bien que les mémoires sauvegardées de sources non fiables peuvent porter des instructions injectées. Le endpoint HTTP n'a pas d'authentification propre.
- Quelles sont les meilleures alternatives à Qdrant MCP Server ?
- Les alternatives les plus proches que nous avons testées sont Memory (reference server), Redis MCP Server et MongoDB MCP Server.
Réponses vérifiées le 23 oct. 2026.