Banco de dados vetorial open source que armazena objetos e vetores juntos, combinando busca por similaridade vetorial com filtros estruturados.
16,9 mil1,4 milGoOtherAtualizado ontem
qdrant/qdrant-client
Biblioteca oficial de cliente Python para o mecanismo de busca vetorial Qdrant, com acesso REST/gRPC síncrono e assíncrono e modo local em memória.
- Estrelas
- 1,373
- Forks
- 357
- Issues abertas
- 223
- Último commit
- há 5 horas
O que é?
qdrant-client é o SDK oficial de Python para o Qdrant, um mecanismo de busca vetorial. Ele inclui definições de tipos para a API do Qdrant e oferece chamadas síncronas e assíncronas por REST e gRPC, além de métodos auxiliares para tarefas comuns, como o envio em lote de dados para uma coleção.
O cliente também oferece um modo local que executa a mesma API sem servidor. Passar ":memory:" ou o caminho de um arquivo cria um banco de dados embarcado, ideal para prototipagem, notebooks e suítes de testes de CI. Quando é necessária mais capacidade, o mesmo código pode se conectar a um servidor Qdrant em execução ou a um cluster do Qdrant Cloud, bastando alterar os parâmetros de conexão.
Uma Inference API opcional pode gerar embeddings localmente com o FastEmbed, com suporte opcional a GPU, ou remotamente usando modelos hospedados no Qdrant Cloud. Assim, é possível inserir e consultar textos ou imagens sem precisar de um pipeline de embeddings separado.
Recursos principais
- 01Type hints para todos os métodos da API do Qdrant
- 02Clientes síncronos e assíncronos via REST e gRPC
- 03Modo local em memória ou em disco, sem servidor em execução
- 04Inference API com FastEmbed local ou modelos remotos do Qdrant Cloud
- 05Métodos auxiliares para enviar vetores e pontos em lote
Casos de uso
- Criar backends de busca semântica ou geração aumentada por recuperação (RAG) com o Qdrant
- Executar testes de busca vetorial em pipelines de CI sem implantar um servidor
- Prototipar buscas baseadas em embeddings em notebooks Jupyter ou Colab
- Desenvolver serviços Python assíncronos que consultam um cluster Qdrant
Início rápido
- 1
Instale o cliente Python pelo PyPI
pip install qdrant-client - 2
Inicie um servidor Qdrant localmente com o Docker
docker run -p 6333:6333 qdrant/qdrant:latest - 3
Conecte-se ao servidor pelo Python usando QdrantClient(url="http://localhost:6333")
Antes de usar
- Alguns recursos, como inferência remota, estão disponíveis apenas nos planos pagos do Qdrant Cloud.
- Para usar todos os recursos, é necessário ter o Docker ou uma implantação separada do servidor Qdrant.
Tópicos
Perguntas frequentes
- O que é qdrant-client?
- Biblioteca oficial de cliente Python para o mecanismo de busca vetorial Qdrant, com acesso REST/gRPC síncrono e assíncrono e modo local em memória. qdrant-client é o SDK oficial de Python para o Qdrant, um mecanismo de busca vetorial. Ele inclui definições de tipos para a API do Qdrant e oferece chamadas síncronas e assíncronas por REST e gRPC, além de métodos auxiliares para tarefas comuns, como o envio em lote de dados para uma coleção.
- qdrant-client é gratuito? Qual é a licença?
- qdrant-client é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- qdrant-client ainda é mantido?
- Manutenção ativa. O último commit de qdrant-client foi em 22 de out. de 2026.
- Para que posso usar qdrant-client?
- Criar backends de busca semântica ou geração aumentada por recuperação (RAG) com o Qdrant Executar testes de busca vetorial em pipelines de CI sem implantar um servidor Prototipar buscas baseadas em embeddings em notebooks Jupyter ou Colab Desenvolver serviços Python assíncronos que consultam um cluster Qdrant
- Como instalar qdrant-client?
- Instale o cliente Python pelo PyPI: pip install qdrant-client Inicie um servidor Qdrant localmente com o Docker: docker run -p 6333:6333 qdrant/qdrant:latest Conecte-se ao servidor pelo Python usando QdrantClient(url="http://localhost:6333")
- Onde consigo qdrant-client?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/qdrant/qdrant-client
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Epsilla é um banco de dados vetorial open source em C++ para busca por similaridade em embeddings, com filtros por metadados, busca híbrida e integração com sistemas de recuperação para LLMs.
87445C++Apache-2.0Atualizado há 19 dias
Pipeline open source que transforma páginas da web e PDFs em capturas de tela e faz buscas visuais, preservando tabelas e gráficos para RAG.
10,3 mil910PythonApache-2.0Atualizado ontem
O Qdrant é um mecanismo de busca por similaridade vetorial e banco de dados vetorial baseado em Rust, com filtragem por payload, voltado a busca semântica e recomendações.
35,2 mil2,8 milRustApache-2.0Atualizado anteontem
Um toolkit local de índices vetoriais e RAG que reduz o armazenamento em cerca de 97% ao recalcular embeddings sob demanda, permitindo pesquisar dados pessoais no laptop.
13 mil1,2 milPythonMITAtualizado ontem
Banco de dados open source de embeddings para apps de IA, que armazena documentos e vetores para buscas semânticas, híbridas e de texto completo.
29,5 mil2,6 milRustApache-2.0Atualizado há 3 dias