Qdrant¶

Supported in ADKPython v0.1.0TypeScript v0.2.0

El Servidor MCP de Qdrant conecta tu agente ADK a Qdrant, un motor de búsqueda vectorial de código abierto. Esta integración le brinda a tu agente la capacidad de almacenar y recuperar información usando búsqueda semántica.

Casos de uso¶

Memoria Semántica para Agentes: Almacena contexto de conversaciones, hechos o información aprendida que los agentes pueden recuperar más tarde usando consultas en lenguaje natural.
Búsqueda en Repositorios de Código: Construye un índice buscable de fragmentos de código, documentación y patrones de implementación que se pueden consultar semánticamente.
Recuperación de Base de Conocimientos: Crea un sistema de generación aumentada por recuperación (RAG) almacenando documentos y recuperando contexto relevante para las respuestas.

Requisitos previos¶

Una instancia de Qdrant en ejecución. Puedes:
- Usar Qdrant Cloud (servicio administrado)
- Ejecutar localmente con Docker: docker run -p 6333:6333 qdrant/qdrant
(Opcional) Una clave API de Qdrant para autenticación

Uso con el agente¶

PythonTypeScript

Local MCP Server

from google.adk.agents import Agent
from google.adk.tools.mcp_tool import McpToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StdioConnectionParams
from mcp import StdioServerParameters

QDRANT_URL = "http://localhost:6333"  # O tu URL de Qdrant Cloud
COLLECTION_NAME = "my_collection"
# QDRANT_API_KEY = "YOUR_QDRANT_API_KEY"

root_agent = Agent(
    model="gemini-2.5-pro",
    name="qdrant_agent",
    instruction="Help users store and retrieve information using semantic search",
    tools=[
        McpToolset(
            connection_params=StdioConnectionParams(
                server_params=StdioServerParameters(
                    command="uvx",
                    args=["mcp-server-qdrant"],
                    env={
                        "QDRANT_URL": QDRANT_URL,
                        "COLLECTION_NAME": COLLECTION_NAME,
                        # "QDRANT_API_KEY": QDRANT_API_KEY,
                    }
                ),
                timeout=30,
            ),
        )
    ],
)

Local MCP Server

import { LlmAgent, MCPToolset } from "@google/adk";

const QDRANT_URL = "http://localhost:6333"; // O tu URL de Qdrant Cloud
const COLLECTION_NAME = "my_collection";
// const QDRANT_API_KEY = "YOUR_QDRANT_API_KEY";

const rootAgent = new LlmAgent({
    model: "gemini-2.5-pro",
    name: "qdrant_agent",
    instruction: "Help users store and retrieve information using semantic search",
    tools: [
        new MCPToolset({
            type: "StdioConnectionParams",
            serverParams: {
                command: "uvx",
                args: ["mcp-server-qdrant"],
                env: {
                    QDRANT_URL: QDRANT_URL,
                    COLLECTION_NAME: COLLECTION_NAME,
                    // QDRANT_API_KEY: QDRANT_API_KEY,
                },
            },
        }),
    ],
});

export { rootAgent };

Herramientas disponibles¶

Herramienta	Descripción
`qdrant-store`	Almacena información en Qdrant con metadatos opcionales
`qdrant-find`	Busca información relevante usando consultas en lenguaje natural

Configuración¶

El servidor MCP de Qdrant se puede configurar usando variables de entorno:

Variable	Descripción	Por defecto
`QDRANT_URL`	URL del servidor de Qdrant	`None` (requerido)
`QDRANT_API_KEY`	Clave API para autenticación en Qdrant Cloud	`None`
`COLLECTION_NAME`	Nombre de la colección a usar	`None`
`QDRANT_LOCAL_PATH`	Ruta para almacenamiento persistente local (alternativa a URL)	`None`
`EMBEDDING_MODEL`	Modelo de embedding a usar	`sentence-transformers/all-MiniLM-L6-v2`
`EMBEDDING_PROVIDER`	Proveedor para embeddings (`fastembed` o `ollama`)	`fastembed`
`TOOL_STORE_DESCRIPTION`	Descripción personalizada para la herramienta store	Descripción por defecto
`TOOL_FIND_DESCRIPTION`	Descripción personalizada para la herramienta find	Descripción por defecto

Descripciones de herramientas personalizadas¶

Puedes personalizar las descripciones de las herramientas para guiar el comportamiento del agente:

env={
    "QDRANT_URL": "http://localhost:6333",
    "COLLECTION_NAME": "code-snippets",
    "TOOL_STORE_DESCRIPTION": "Store code snippets with descriptions. The 'information' parameter should contain a description of what the code does, while the actual code should be in 'metadata.code'.",
    "TOOL_FIND_DESCRIPTION": "Search for relevant code snippets using natural language. Describe the functionality you're looking for.",
}