Hyperkorn/qdrant-neo4j-crawl4ai-mcp

qdrant-neo4j-crawl4ai-mcp은(는) 무엇을 하나요?

🧠 Qdrant, Neo4j, Crawl4AI MCP 서버로 AI 협업을 강화하여 벡터 검색, 지식 그래프, 웹 인텔리전스를 최적의 성능으로 결합합니다.

개요

이 MCP 서버는 AI 에이전트가 Qdrant(벡터 데이터베이스), Neo4j(그래프 데이터베이스), Crawl4AI(웹 스크래핑)의 기능을 하나의 통합된 인터페이스를 통해 사용할 수 있도록 합니다. 각 구성 요소는 개별 MCP 도구로 제공되며, 에이전트는 상황에 따라 적절한 도구를 호출하여 복합적인 작업을 수행할 수 있습니다.

주요 기능

• Qdrant 벡터 검색: 의미론적 유사도 기반 검색, 임베딩 저장 및 관리
• Neo4j 지식 그래프: 엔티티 관계 저장, 그래프 쿼리, 패턴 매칭
• Crawl4AI 웹 인텔리전스: 동적 웹 페이지 스크래핑, 콘텐츠 추출, 링크 분석
• 결합 워크플로우: 웹 데이터를 벡터화하여 Qdrant에 저장하고, Neo4j에서 관계를 구축하는 등 다단계 작업 지원

지원 플랫폼

• Claude Code
• Cursor
• Codex
• 기타 MCP(MCP(Model Context Protocol)) 호환 클라이언트

빠른 시작

1. 저장소 클론

git clone https://github.com/Hyperkorn/qdrant-neo4j-crawl4ai-mcp.git
cd qdrant-neo4j-crawl4ai-mcp

2. 환경 변수 설정

.env 파일을 생성하고 다음 변수를 설정하세요:

# Qdrant
QDRANT_URL=http://localhost:6333
QDRANT_API_KEY=your_qdrant_api_key

# Neo4j
NEO4J_URI=bolt://localhost:7687
NEO4J_USER=neo4j
NEO4J_PASSWORD=your_password

# Crawl4AI
CRAWL4AI_API_KEY=your_crawl4ai_key

3. 서버 실행

pip install -r requirements.txt
python server.py

또는 Docker 사용:

docker-compose up

4. MCP 클라이언트에서 사용

MCP 클라이언트 설정에 다음을 추가하세요:

{
  "mcpServers": {
    "qdrant-neo4j-crawl4ai": {
      "command": "python",
      "args": ["path/to/server.py"],
      "env": {}
    }
  }
}

사용 예시

예시 1: 웹 페이지 스크래핑 후 Qdrant에 저장

사용자: "https://example.com/article를 스크래핑하고 주요 내용을 Qdrant에 저장해줘."
에이전트: Crawl4AI 도구를 사용하여 페이지 콘텐츠를 가져온 후, Qdrant 도구를 사용하여 임베딩을 생성하고 저장합니다.

예시 2: Neo4j에서 지식 그래프 쿼리

사용자: "AI와 머신러닝 사이의 관계를 Neo4j에서 찾아줘."
에이전트: Cypher 쿼리를 실행하여 관련 노드와 관계를 반환합니다.

예시 3: 결합 워크플로우

사용자: "웹에서 최신 AI 뉴스를 수집하고, 이를 기반으로 지식 그래프를 업데이트한 후, 관련 문서를 검색할 수 있게 해줘."
에이전트: Crawl4AI로 뉴스를 스크래핑 → 텍스트를 청크로 분할 → Qdrant에 벡터 저장 → Neo4j에 엔티티와 관계 생성.

도구 목록

Qdrant 도구

• qdrant_store_vectors - 벡터 저장
• qdrant_search - 벡터 검색
• qdrant_delete_vectors - 벡터 삭제

Neo4j 도구

• neo4j_query - Cypher 쿼리 실행
• neo4j_create_node - 노드 생성
• neo4j_create_relationship - 관계 생성

Crawl4AI 도구

• crawl4ai_scrape - 단일 페이지 스크래핑
• crawl4ai_crawl - 여러 페이지 크롤링
• crawl4ai_extract - 구조화된 데이터 추출

라이선스

MIT

기여

이슈와 풀 리퀘스트를 환영합니다! 자세한 내용은 CONTRIBUTING.md를 참조하세요.