LLM Wiki

Qdrant

5 min read

한 줄 정의

LLM 및 AI Agent 시스템에 장기 기억(Agent Memory)과 고성능 검색 기능을 제공하는 대표적인 오픈소스 벡터 데이터베이스(Vector Database).

핵심 요지

  • 인기 오픈소스 벡터 저장소: GitHub Stars 31.2k(raw/After Claude Code. 6 Open-Source Tools You Should Know-ko.md)를 보유한 검증된 벡터 데이터베이스.
  • LLM Context 한계 극복: AI 모델이 단기 대화 맥락(Context Window)에만 의존하지 않고 장기 지식 검색(Semantic Search) 및 RAG를 수행하도록 지원.
  • 완전한 통제권 및 Self-Hosting: SaaS형 플랫폼 대비 데이터 구조, 인덱싱 방식, 검색 로직을 개발자가 완전히 제어할 수 있어 엔터프라이즈 사내망 설치 및 보안에 최적화.
  • 프레임워크 생태계 연동: LangChain, LlamaIndex 등 주요 AI 오케스트레이션 라이브러리와 유기적으로 결합.

상세

Claude Code와 같은 AI 코딩 도구나 AI Agent를 활용할 때, 컨텍스트 용량 제한으로 인해 프로젝트 전체 지식이나 장기 대화이력을 지속적으로 기억하기 어렵다. Qdrant는 이러한 한계를 해소하는 장기 기억 저장소 및 검색 계층 역할을 담당한다.

개발자는 Embedding 및 Retrieval 로직을 구현하고 Qdrant에 벡터 데이터를 저장함으로써, AI가 단기 대화 맥락을 넘어 시스템 전체 지식을 실시간으로 참조할 수 있도록 구성한다.

주요 활용 시나리오

  • AI Knowledge Base & 문서 검색: 사내 문서, PRD, 기술 사양서 대상 시맨틱 검색
  • Agent Memory: AI Agent의 대화 이력 및 장기 상태(State) 영속화
  • AI 고객 지원: 고도화된 FAQ 및 컨텍스트 기반 고객 응답 자동화
  • AI Search: 의미 기반의 비구조화 데이터 탐색 시스템 구축

예시

1. Docker 환경에서 Qdrant 실행 (Claude Code 활용 예시)

# Qdrant Docker 컨테이너 실행 명령 (포트 6333: HTTP API, 6334: gRPC)
docker run -p 6333:6333 -p 6334:6334 \
    -v $(pwd)/qdrant_storage:/qdrant/storage \
    qdrant/qdrant

2. Python SDK 및 qdrant-client 활용 예시

from qdrant_client import QdrantClient
from qdrant_client.models import Distance, VectorParams, PointStruct
 
# Local Qdrant 인스턴스 연결
client = QdrantClient(url="http://localhost:6333")
 
# 1. AI Knowledge Base용 컬렉션 생성 (예: OpenAI text-embedding-3-small 1536 차원)
collection_name = "knowledge_base"
client.recreate_collection(
    collection_name=collection_name,
    vectors_config=VectorParams(size=1536, distance=Distance.COSINE),
)
 
# 2. 벡터 및 페이로드 데이터 삽입 예시
client.upsert(
    collection_name=collection_name,
    points=[
        PointStruct(
            id=1,
            vector=[0.05] * 1536,  # 실제 임베딩 벡터값
            payload={"title": "Qdrant 문서", "content": "Qdrant는 오픈소스 벡터 데이터베이스입니다."}
        )
    ]
)
 
# 3. 시맨틱 검색 수행
search_result = client.search(
    collection_name=collection_name,
    query_vector=[0.05] * 1536,
    limit=3
)

충돌

  • 현재 소스 문서상 명시된 다른 주장이나 결론 충돌 요소는 없음.

관련 노트

  • RAG (Retrieval-Augmented Generation): Qdrant가 정보 검색 계층(Retrieval Layer)으로 핵심 작동하는 장기 지식 확장 기법.
  • AI Agent: Qdrant를 장기 기억(Agent Memory) 저장소로 활용하여 영속적인 컨텍스트를 유지하는 자율형 에이전트.
  • Claude Code: Qdrant 인프라 구성 및 임베딩/검색 코드 작성을 빠르게 조율하는 AI 프로그래밍 도구.
  • LangChain: Qdrant VectorStore 파이프라인 연동을 용이하게 지원하는 오케스트레이션 프레임워크.
  • LlamaIndex: 데이터 인덱싱 및 RAG 구조화 시 Qdrant를 백엔드 저장소로 활용할 수 있는 프레임워크.

그래프 뷰

백링크