用途：为工作区搭建基于 Qdrant 的 RAG 服务器，提供向量检索能力，供检索增强生成使用。
主要能力：文档入库时按配置切分为带重叠的文本块；通过向量嵌入实现集合内语义搜索；用不同集合实现多项目隔离（例如 project_alpha_docs、shared_knowledge）；可列出所有集合。
使用方式：需先安装依赖 pip install qdrant-client sentence-transformers mcp fastembed。Reflex 插件内含预配置的 Qdrant MCP 服务器，可直接调用工具，如 qdrant-store 传入 Information 与 Metadata（source、type），以及 qdrant-find 传入 Query 进行搜索。自定义服务器则创建 mcp/servers/rag-server/server.py，实现 ingest、search、list_collections 三个工具，并以 stdio 方式运行。配置项通过环境变量提供：QDRANT_URL 默认 http://localhost:6333、EMBEDDING_MODEL 默认 all-MiniLM-L6-v2、COLLECTION_NAME 默认 default_memories、CHUNK_SIZE 默认 512、CHUNK_OVERLAP 默认 50。
验证方式：可用 Docker 启动 Qdrant（docker run -d -p 6333:6333 qdrant/qdrant），进入服务器目录后 pip install -r requirements.txt，再运行 python test_rag.py，脚本会检查 Qdrant 连通、嵌入模型输出维度（384）和服务器初始化。
适用场景：需要为多项目文档、代码片段或共享知识建立可隔离的语义检索层。
限制：资料未提供关于性能、规模上限、收费或托管方式的说明；依赖本地或可访问的 Qdrant 服务与嵌入模型；自定义服务器需自行补齐运行与集成配置。