> ## Documentation Index
> Fetch the complete documentation index at: https://docs.aurora-ai.co/llms.txt
> Use this file to discover all available pages before exploring further.

# Qdrant

> Usa la base de datos vectorial Qdrant

export const BlockInfoCard = ({type, color, icon = false, iconSvg}) => {
  return <div className="mb-6 overflow-hidden rounded-lg border border-border">
      <div className="flex items-center justify-center p-6">
        <div className="flex h-20 w-20 items-center justify-center rounded-lg" style={{
    backgroundColor: color
  }}>
          {iconSvg ? <div className="h-10 w-10 text-white" dangerouslySetInnerHTML={{
    __html: iconSvg
  }} /> : <div className="font-mono text-xl opacity-70">
              {type.substring(0, 2)}
            </div>}
        </div>
      </div>
      {icon && <style jsx global>{`
          .block-icon {
            width: 80px;
            height: 80px;
            margin: 1rem auto;
            display: block;
          }
        `}</style>}
    </div>;
};

<BlockInfoCard
  type="qdrant"
  color="#1A223F"
  icon={true}
  iconSvg={`<svg className="block-icon"  fill='none' viewBox='0 0 49 56' xmlns='http://www.w3.org/2000/svg'>
  <g clipPath='url(#b)'>
    <path
      d='m38.489 51.477-1.1167-30.787-2.0223-8.1167 13.498 1.429v37.242l-8.2456 4.7589-2.1138-4.5259z'
      clipRule='evenodd'
      fill='#24386C'
      fillRule='evenodd'
    />
    <path
      d='m48.847 14-8.2457 4.7622-17.016-3.7326-19.917 8.1094-3.3183-9.139 12.122-7 12.126-7 12.123 7 12.126 7z'
      clipRule='evenodd'
      fill='#7589BE'
      fillRule='evenodd'
    />
    <path
      d='m0.34961 13.999 8.2457 4.7622 4.7798 14.215 16.139 12.913-4.9158 10.109-12.126-7.0004-12.123-7v-28z'
      clipRule='evenodd'
      fill='#B2BFE8'
      fillRule='evenodd'
    />
    <path
      d='m30.066 38.421-5.4666 8.059v9.5207l7.757-4.4756 3.9968-5.9681'
      clipRule='evenodd'
      fill='#24386C'
      fillRule='evenodd'
    />
    <path
      d='m24.602 36.962-7.7603-13.436 1.6715-4.4531 6.3544-3.0809 7.488 7.5343-7.7536 13.436z'
      clipRule='evenodd'
      fill='#7589BE'
      fillRule='evenodd'
    />
    <path
      d='m16.843 23.525 7.7569 4.4756v8.9585l-7.1741 0.3087-4.3397-5.5412 3.7569-8.2016z'
      clipRule='evenodd'
      fill='#B2BFE8'
      fillRule='evenodd'
    />
    <path
      d='m24.6 28 7.757-4.4752 5.2792 8.7903-6.3886 5.2784-6.6476-0.6346v-8.9589z'
      clipRule='evenodd'
      fill='#24386C'
      fillRule='evenodd'
    />
    <path
      d='m32.355 51.524 8.2457 4.476v-37.238l-8.0032-4.6189-7.9995-4.6189-8.0031 4.6189-7.9995 4.6189v18.479l7.9995 4.6189 8.0031 4.6193 7.757-4.4797v9.5244zm0-19.045-7.757 4.4793-7.7569-4.4793v-8.9549l7.7569-4.4792 7.757 4.4792v8.9549z'
      clipRule='evenodd'
      fill='#DC244C'
      fillRule='evenodd'
    />
    <path d='m24.603 46.483v-9.5222l-7.7166-4.4411v9.5064l7.7166 4.4569z' fill='url(#a)' />
  </g>
  <defs>
    <linearGradient
      id='a'
      x1='23.18'
      x2='15.491'
      y1='38.781'
      y2='38.781'
      gradientUnits='userSpaceOnUse'
    >
      <stop stopColor='#FF3364' offset='0' />
      <stop stopColor='#C91540' stopOpacity='0' offset='1' />
    </linearGradient>
    <clipPath id='b'>
      <rect transform='translate(.34961)'   fill='#fff' />
    </clipPath>
  </defs>
</svg>`}
/>

[Qdrant](https://qdrant.tech) es una base de datos vectorial de código abierto diseñada para el almacenamiento, gestión y recuperación eficiente de embeddings vectoriales de alta dimensionalidad. Qdrant permite búsquedas semánticas rápidas y escalables, lo que la hace ideal para aplicaciones de IA que requieren búsqueda por similitud, sistemas de recomendación y recuperación de información contextual.

Con Qdrant, puedes:

* **Almacenar embeddings vectoriales**: Gestionar y persistir vectores de alta dimensionalidad de manera eficiente y a escala
* **Realizar búsquedas de similitud semántica**: Encontrar los vectores más similares a un vector de consulta en tiempo real
* **Filtrar y organizar datos**: Utilizar filtrado avanzado para refinar los resultados de búsqueda basados en metadatos o payload
* **Obtener puntos específicos**: Recuperar vectores y sus payloads asociados por ID
* **Escalar sin problemas**: Manejar grandes colecciones y cargas de trabajo de alto rendimiento

En Sim, la integración con Qdrant permite a tus agentes interactuar con Qdrant de forma programática como parte de sus flujos de trabajo. Las operaciones compatibles incluyen:

* **Upsert**: Insertar o actualizar puntos (vectores y cargas útiles) en una colección de Qdrant
* **Search**: Realizar búsquedas de similitud para encontrar vectores más similares a un vector de consulta dado, con filtrado opcional y personalización de resultados
* **Fetch**: Recuperar puntos específicos de una colección por sus IDs, con opciones para incluir cargas útiles y vectores

Esta integración permite a tus agentes aprovechar potentes capacidades de búsqueda y gestión de vectores, habilitando escenarios avanzados de automatización como búsqueda semántica, recomendaciones y recuperación contextual. Al conectar Aurora Workflow\.con Qdrant, puedes crear agentes que entiendan el contexto, recuperen información relevante de grandes conjuntos de datos y ofrezcan respuestas más inteligentes y personalizadas, todo sin gestionar infraestructuras complejas.

## Instrucciones de uso

Integra Qdrant en el flujo de trabajo. Puede insertar, buscar y recuperar puntos. Requiere clave API.

## Herramientas

### `qdrant_upsert_points`

Insertar o actualizar puntos en una colección de Qdrant

#### Entrada

| Parámetro    | Tipo   | Obligatorio | Descripción                    |
| ------------ | ------ | ----------- | ------------------------------ |
| `url`        | string | Sí          | URL base de Qdrant             |
| `apiKey`     | string | No          | Clave API de Qdrant (opcional) |
| `collection` | string | Sí          | Nombre de la colección         |
| `points`     | array  | Sí          | Array de puntos para upsert    |

#### Salida

| Parámetro | Tipo   | Descripción                               |
| --------- | ------ | ----------------------------------------- |
| `status`  | string | Estado de la operación upsert             |
| `data`    | object | Datos de resultado de la operación upsert |

### `qdrant_search_vector`

Buscar vectores similares en una colección de Qdrant

#### Entrada

| Parámetro            | Tipo    | Obligatorio | Descripción                       |
| -------------------- | ------- | ----------- | --------------------------------- |
| `url`                | string  | Sí          | URL base de Qdrant                |
| `apiKey`             | string  | No          | Clave API de Qdrant (opcional)    |
| `collection`         | string  | Sí          | Nombre de la colección            |
| `vector`             | array   | Sí          | Vector para buscar                |
| `limit`              | number  | No          | Número de resultados a devolver   |
| `filter`             | object  | No          | Filtro para aplicar a la búsqueda |
| `search_return_data` | string  | No          | Datos a devolver de la búsqueda   |
| `with_payload`       | boolean | No          | Incluir payload en la respuesta   |
| `with_vector`        | boolean | No          | Incluir vector en la respuesta    |

#### Salida

| Parámetro | Tipo   | Descripción                                                                                 |
| --------- | ------ | ------------------------------------------------------------------------------------------- |
| `data`    | array  | Resultados de búsqueda de vectores con ID, puntuación, payload y datos de vector opcionales |
| `status`  | string | Estado de la operación de búsqueda                                                          |

### `qdrant_fetch_points`

Obtener puntos por ID desde una colección de Qdrant

#### Entrada

| Parámetro           | Tipo    | Obligatorio | Descripción                           |
| ------------------- | ------- | ----------- | ------------------------------------- |
| `url`               | string  | Sí          | URL base de Qdrant                    |
| `apiKey`            | string  | No          | Clave API de Qdrant (opcional)        |
| `collection`        | string  | Sí          | Nombre de la colección                |
| `ids`               | array   | Sí          | Array de IDs de puntos para recuperar |
| `fetch_return_data` | string  | No          | Datos a devolver de la recuperación   |
| `with_payload`      | boolean | No          | Incluir payload en la respuesta       |
| `with_vector`       | boolean | No          | Incluir vector en la respuesta        |

#### Salida

| Parámetro | Tipo   | Descripción                                                          |
| --------- | ------ | -------------------------------------------------------------------- |
| `data`    | array  | Puntos recuperados con ID, carga útil y datos vectoriales opcionales |
| `status`  | string | Estado de la operación de recuperación                               |

## Notas

* Categoría: `tools`
* Tipo: `qdrant`