Qdrant MCP

ทางการ

การค้นหาเชิงความหมายโดยใช้ฐานข้อมูลเวกเตอร์ Qdrant

คุณทำอะไรได้บ้างด้วย Qdrant MCP?

ใช้ Qdrant เป็นชั้นความทรงจำเชิงความหมายสำหรับผู้ช่วย AI ของคุณ ช่วยให้จัดเก็บและดึงข้อมูลตามความหมายแทนที่จะเป็นคำสำคัญที่ตรงกัน

จัดเก็บความทรงจำเชิงความหมาย — ให้ผู้ช่วยของคุณบันทึกข้อมูลพร้อมเมทาดาทาที่ไม่บังคับไปยัง Qdrant ผ่าน qdrant-store เพื่อนำกลับมาใช้ในภายหลัง
ดึงความทรงจำที่เกี่ยวข้อง — ใช้ qdrant-find เพื่อค้นหาข้อมูลที่จัดเก็บไว้ด้วยคำค้นหาภาษาธรรมชาติและรับผลลัพธ์ที่ตรงกัน
สร้างไลบรารีตัวอย่างโค้ด — จัดเก็บตัวอย่างโค้ดพร้อมคำอธิบายและดึงข้อมูลกลับมาเชิงความหมาย ตามที่แสดงในการตั้งค่า Cursor และ Claude Code
กำหนดคอลเลกชันเฉพาะ — จัดเก็บหรือค้นหาในคอลเลกชันที่มีชื่อผ่าน collection_name หรือใช้ค่าเริ่มต้นที่กำหนดโดย COLLECTION_NAME

เอกสาร

mcp-server-qdrant: เซิร์ฟเวอร์ Qdrant MCP

Model Context Protocol (MCP) เป็นโปรโตคอลเปิดที่ช่วยให้การผสานรวมระหว่างแอปพลิเคชัน LLM และแหล่งข้อมูลและเครื่องมือภายนอกเป็นไปอย่างราบรื่น ไม่ว่าคุณจะสร้าง IDE ที่ขับเคลื่อนด้วย AI ปรับปรุงอินเทอร์เฟซแชท หรือสร้างเวิร์กโฟลว์ AI ที่กำหนดเอง MCP ก็มีวิธีมาตรฐานในการเชื่อมต่อ LLM กับบริบทที่ต้องการ

พื้นที่เก็บข้อมูลนี้เป็นตัวอย่างวิธีการสร้าง MCP server สำหรับ Qdrant ซึ่งเป็นเสิร์ชเอนจินเวกเตอร์

ภาพรวม

เซิร์ฟเวอร์ Model Context Protocol อย่างเป็นทางการสำหรับการจัดเก็บและดึงข้อมูลความทรงจำในเสิร์ชเอนจินเวกเตอร์ Qdrant ทำหน้าที่เป็นชั้นความทรงจำเชิงความหมายบนฐานข้อมูล Qdrant

ส่วนประกอบ

เครื่องมือ

qdrant-store
- จัดเก็บข้อมูลบางอย่างในฐานข้อมูล Qdrant
- ข้อมูลนำเข้า:
  - information (string): ข้อมูลที่จะจัดเก็บ
  - metadata (JSON): ข้อมูลเมตาที่ไม่บังคับเพื่อจัดเก็บ
  - collection_name (string): ชื่อของคอลเลกชันที่จะเก็บข้อมูล หากไม่มีชื่อคอลเลกชันเริ่มต้น ฟิลด์นี้จำเป็น หากมีชื่อคอลเลกชันเริ่มต้น ฟิลด์นี้จะไม่ถูกเปิดใช้งาน
- ผลลัพธ์: ข้อความยืนยัน
qdrant-find
- ดึงข้อมูลที่เกี่ยวข้องจากฐานข้อมูล Qdrant
- ข้อมูลนำเข้า:
  - query (string): คำค้นหาที่ใช้สำหรับการค้นหา
  - collection_name (string): ชื่อของคอลเลกชันที่จะเก็บข้อมูล หากไม่มีชื่อคอลเลกชันเริ่มต้น ฟิลด์นี้จำเป็น หากมีชื่อคอลเลกชันเริ่มต้น ฟิลด์นี้จะไม่ถูกเปิดใช้งาน
- ผลลัพธ์: ข้อมูลที่จัดเก็บในฐานข้อมูล Qdrant เป็นข้อความแยก

ตัวแปรสภาพแวดล้อม

การกำหนดค่าทำได้ผ่านตัวแปรสภาพแวดล้อม อาร์กิวเมนต์บรรทัดคำสั่งเพียงอย่างเดียวคือ --transport ใช้เพื่อเลือก โปรโตคอลการขนส่ง

[!NOTE] คุณไม่สามารถระบุทั้ง QDRANT_URL และ QDRANT_LOCAL_PATH ในเวลาเดียวกันได้

ชื่อ	คำอธิบาย	ค่าเริ่มต้น
`QDRANT_URL`	URL ของเซิร์ฟเวอร์ Qdrant	ไม่มี
`QDRANT_API_KEY`	คีย์ API สำหรับเซิร์ฟเวอร์ Qdrant	ไม่มี
`COLLECTION_NAME`	ชื่อของคอลเลกชันเริ่มต้นที่จะใช้	ไม่มี
`QDRANT_LOCAL_PATH`	เส้นทางไปยังฐานข้อมูล Qdrant ในเครื่อง (ทางเลือกแทน `QDRANT_URL`)	ไม่มี
`EMBEDDING_PROVIDER`	ผู้ให้บริการ Embedding ที่จะใช้ (ปัจจุบันรองรับเฉพาะ "fastembed")	`fastembed`
`EMBEDDING_MODEL`	ชื่อของโมเดล embedding ที่จะใช้	`sentence-transformers/all-MiniLM-L6-v2`
`TOOL_STORE_DESCRIPTION`	คำอธิบายที่กำหนดเองสำหรับเครื่องมือ store	ดูค่าเริ่มต้นใน `settings.py`
`TOOL_FIND_DESCRIPTION`	คำอธิบายที่กำหนดเองสำหรับเครื่องมือ find	ดูค่าเริ่มต้นใน `settings.py`
`QDRANT_SEARCH_LIMIT`	จำนวนผลลัพธ์สูงสุดที่จะส่งคืนจากการค้นหา	`10`
`QDRANT_READ_ONLY`	เปิดใช้งานโหมดอ่านอย่างเดียว (ปิดการใช้งานเครื่องมือ `qdrant-store`)	`false`

ตัวแปรสภาพแวดล้อม FastMCP

เนื่องจาก mcp-server-qdrant สร้างจาก FastMCP จึงรองรับตัวแปรสภาพแวดล้อมทั้งหมดของ FastMCP ด้วย ตัวแปรที่สำคัญที่สุดแสดงอยู่ด้านล่าง:

ตัวแปรสภาพแวดล้อม	คำอธิบาย	ค่าเริ่มต้น
`FASTMCP_LOG_LEVEL`	ตั้งระดับการบันทึก (DEBUG, INFO, WARNING, ERROR, CRITICAL)	`INFO`
`FASTMCP_SERVER_DEBUG`	เปิดใช้งานโหมดดีบัก	`false`
`FASTMCP_SERVER_HOST`	ที่อยู่โฮสต์สำหรับผูกเซิร์ฟเวอร์	`127.0.0.1`
`FASTMCP_SERVER_PORT`	พอร์ตสำหรับรันเซิร์ฟเวอร์	`8000`
`FASTMCP_SERVER_ON_DUPLICATE_RESOURCES`	พฤติกรรมสำหรับทรัพยากรที่ซ้ำกัน (warn, error, replace, ignore)	`warn`
`FASTMCP_SERVER_ON_DUPLICATE_TOOLS`	พฤติกรรมสำหรับเครื่องมือที่ซ้ำกัน (warn, error, replace, ignore)	`warn`
`FASTMCP_SERVER_ON_DUPLICATE_PROMPTS`	พฤติกรรมสำหรับพรอมต์ที่ซ้ำกัน (warn, error, replace, ignore)	`warn`
`FASTMCP_SERVER_DEPENDENCIES`	รายการ dependencies ที่จะติดตั้งในสภาพแวดล้อมเซิร์ฟเวอร์	`[]`

[!NOTE] การตั้งค่าเฉพาะเซิร์ฟเวอร์ใช้คำนำหน้า FASTMCP_SERVER_ ซึ่งอาจเปลี่ยนแปลงในเวอร์ชันอนาคต

การติดตั้ง

การใช้ uvx

เมื่อใช้ uvx ไม่จำเป็นต้องติดตั้งเพิ่มเติมเพื่อรัน mcp-server-qdrant โดยตรง

QDRANT_URL="http://localhost:6333" \
COLLECTION_NAME="my-collection" \
EMBEDDING_MODEL="sentence-transformers/all-MiniLM-L6-v2" \
uvx mcp-server-qdrant

โปรโตคอลการขนส่ง

เซิร์ฟเวอร์รองรับโปรโตคอลการขนส่งที่แตกต่างกันซึ่งสามารถระบุได้โดยใช้แฟล็ก --transport:

QDRANT_URL="http://localhost:6333" \
COLLECTION_NAME="my-collection" \
uvx mcp-server-qdrant --transport sse

โปรโตคอลการขนส่งที่รองรับ:

stdio (ค่าเริ่มต้น): การขนส่งมาตรฐานอินพุต/เอาต์พุต อาจใช้ได้เฉพาะกับไคลเอนต์ MCP ในเครื่อง
sse: การขนส่ง Server-Sent Events เหมาะสำหรับไคลเอนต์ระยะไกล
streamable-http: การขนส่ง HTTP แบบสตรีม เหมาะสำหรับไคลเอนต์ระยะไกล และใหม่กว่า SSE

การขนส่งเริ่มต้นคือ stdio หากไม่ระบุ

เมื่อใช้การขนส่ง SSE เซิร์ฟเวอร์จะฟังพอร์ตที่ระบุและรอการเชื่อมต่อขาเข้า พอร์ตเริ่มต้นคือ 8000 แต่สามารถเปลี่ยนได้โดยใช้ตัวแปรสภาพแวดล้อม FASTMCP_SERVER_PORT

QDRANT_URL="http://localhost:6333" \
COLLECTION_NAME="my-collection" \
FASTMCP_SERVER_PORT=1234 \
uvx mcp-server-qdrant --transport sse

การใช้ Docker

มี Dockerfile สำหรับสร้างและรัน MCP server:

# Build the container
docker build -t mcp-server-qdrant .

# Run the container
docker run -p 8000:8000 \
  -e FASTMCP_SERVER_HOST="0.0.0.0" \
  -e QDRANT_URL="http://your-qdrant-server:6333" \
  -e QDRANT_API_KEY="your-api-key" \
  -e COLLECTION_NAME="your-collection" \
  mcp-server-qdrant

[!TIP] โปรดทราบว่าเราตั้งค่า FASTMCP_SERVER_HOST="0.0.0.0" เพื่อให้เซิร์ฟเวอร์ฟังบนอินเทอร์เฟซเครือข่ายทั้งหมด ซึ่งจำเป็นเมื่อรันเซิร์ฟเวอร์ในคอนเทนเนอร์ Docker

การติดตั้งผ่าน Smithery

ในการติดตั้ง Qdrant MCP Server สำหรับ Claude Desktop โดยอัตโนมัติผ่าน Smithery:

npx @smithery/cli install mcp-server-qdrant --client claude

การกำหนดค่า Claude Desktop ด้วยตนเอง

ในการใช้เซิร์ฟเวอร์นี้กับแอป Claude Desktop ให้เพิ่มการกำหนดค่าต่อไปนี้ในส่วน "mcpServers" ของ claude_desktop_config.json:

{
  "qdrant": {
    "command": "uvx",
    "args": ["mcp-server-qdrant"],
    "env": {
      "QDRANT_URL": "https://xyz-example.eu-central.aws.cloud.qdrant.io:6333",
      "QDRANT_API_KEY": "your_api_key",
      "COLLECTION_NAME": "your-collection-name",
      "EMBEDDING_MODEL": "sentence-transformers/all-MiniLM-L6-v2"
    }
  }
}

สำหรับโหมด Qdrant ในเครื่อง:

{
  "qdrant": {
    "command": "uvx",
    "args": ["mcp-server-qdrant"],
    "env": {
      "QDRANT_LOCAL_PATH": "/path/to/qdrant/database",
      "COLLECTION_NAME": "your-collection-name",
      "EMBEDDING_MODEL": "sentence-transformers/all-MiniLM-L6-v2"
    }
  }
}

MCP server นี้จะสร้างคอลเลกชันที่มีชื่อที่ระบุโดยอัตโนมัติหากยังไม่มี

โดยค่าเริ่มต้น เซิร์ฟเวอร์จะใช้โมเดล embedding sentence-transformers/all-MiniLM-L6-v2 เพื่อเข้ารหัสความทรงจำ ในขณะนี้รองรับเฉพาะโมเดล FastEmbed เท่านั้น

รองรับเครื่องมืออื่น ๆ

MCP server นี้สามารถใช้กับไคลเอนต์ที่เข้ากันได้กับ MCP ใด ๆ ตัวอย่างเช่น คุณสามารถใช้กับ Cursor และ VS Code ซึ่งรองรับ Model Context Protocol ในตัว

การใช้งานกับ Cursor/Windsurf

คุณสามารถกำหนดค่า MCP server นี้ให้ทำงานเป็นเครื่องมือค้นหาโค้ดสำหรับ Cursor หรือ Windsurf โดยปรับแต่งคำอธิบายเครื่องมือ:

QDRANT_URL="http://localhost:6333" \
COLLECTION_NAME="code-snippets" \
TOOL_STORE_DESCRIPTION="Store reusable code snippets for later retrieval. \
The 'information' parameter should contain a natural language description of what the code does, \
while the actual code should be included in the 'metadata' parameter as a 'code' property. \
The value of 'metadata' is a Python dictionary with strings as keys. \
Use this whenever you generate some code snippet." \
TOOL_FIND_DESCRIPTION="Search for relevant code snippets based on natural language descriptions. \
The 'query' parameter should describe what you're looking for, \
and the tool will return the most relevant code snippets. \
Use this when you need to find existing code snippets for reuse or reference." \
uvx mcp-server-qdrant --transport sse # Enable SSE transport

ใน Cursor/Windsurf คุณสามารถกำหนดค่า MCP server ในการตั้งค่าของคุณโดยชี้ไปที่เซิร์ฟเวอร์ที่กำลังรันนี้โดยใช้โปรโตคอลการขนส่ง SSE คำอธิบายวิธีเพิ่ม MCP server ไปยัง Cursor สามารถดูได้ใน https://docs.cursor.com/context/model-context-protocol#adding-an-mcp-server-to-cursor หากคุณรัน Cursor/Windsurf ในเครื่อง คุณสามารถใช้ URL ต่อไปนี้:

http://localhost:8000/sse

[!TIP] เราขอแนะนำให้ใช้การขนส่ง SSE เป็นวิธีที่ต้องการในการเชื่อมต่อ Cursor/Windsurf กับ MCP server เนื่องจากรองรับการเชื่อมต่อระยะไกล ทำให้ง่ายต่อการแชร์เซิร์ฟเวอร์กับทีมของคุณหรือใช้ในสภาพแวดล้อมคลาวด์

การกำหนดค่านี้แปลง Qdrant MCP server ให้เป็นเครื่องมือค้นหาโค้ดเฉพาะทางที่สามารถ:

จัดเก็บตัวอย่างโค้ด เอกสาร และรายละเอียดการนำไปใช้งาน
ดึงตัวอย่างโค้ดที่เกี่ยวข้องโดยอิงจากการค้นหาเชิงความหมาย
ช่วยนักพัฒนาค้นหาการนำไปใช้งานหรือรูปแบบการใช้งานที่เฉพาะเจาะจง

คุณสามารถเติมข้อมูลในฐานข้อมูลได้โดยการจัดเก็บคำอธิบายภาษาธรรมชาติของตัวอย่างโค้ด (ในพารามิเตอร์ information) พร้อมกับโค้ดจริง (ในคุณสมบัติ metadata.code) จากนั้นค้นหาด้วยคำค้นหาภาษาธรรมชาติที่อธิบายสิ่งที่คุณกำลังมองหา

[!NOTE] คำอธิบายเครื่องมือที่ให้ไว้ข้างต้นเป็นตัวอย่างและอาจต้องปรับแต่งสำหรับกรณีการใช้งานเฉพาะของคุณ พิจารณาปรับคำอธิบายให้ตรงกับขั้นตอนการทำงานของทีมและประเภทตัวอย่างโค้ดที่คุณต้องการจัดเก็บและดึงข้อมูล

หากคุณติดตั้ง mcp-server-qdrant สำเร็จแล้ว แต่ยังไม่สามารถใช้งานร่วมกับ Cursor ได้ โปรดพิจารณาสร้าง กฎของ Cursor เพื่อให้เครื่องมือ MCP ถูกใช้เสมอเมื่อเอเจนต์สร้างตัวอย่างโค้ดใหม่ คุณสามารถจำกัดกฎให้ทำงานเฉพาะกับไฟล์บางประเภท เพื่อหลีกเลี่ยงการใช้ MCP server กับเอกสารหรือเนื้อหาประเภทอื่น

การใช้งานกับ Claude Code

คุณสามารถเพิ่มความสามารถของ Claude Code ได้โดยเชื่อมต่อกับ MCP server นี้ ซึ่งช่วยให้ค้นหาเชิงความหมายทั่วทั้งโค้ดเบสที่มีอยู่ของคุณ

การตั้งค่า mcp-server-qdrant

เพิ่ม MCP server ไปยัง Claude Code:

# Add mcp-server-qdrant configured for code search
claude mcp add code-search \
-e QDRANT_URL="http://localhost:6333" \
-e COLLECTION_NAME="code-repository" \
-e EMBEDDING_MODEL="sentence-transformers/all-MiniLM-L6-v2" \
-e TOOL_STORE_DESCRIPTION="Store code snippets with descriptions. The 'information' parameter should contain a natural language description of what the code does, while the actual code should be included in the 'metadata' parameter as a 'code' property." \
-e TOOL_FIND_DESCRIPTION="Search for relevant code snippets using natural language. The 'query' parameter should describe the functionality you're looking for." \
-- uvx mcp-server-qdrant

ตรวจสอบว่าเซิร์ฟเวอร์ถูกเพิ่มแล้ว:
```
claude mcp list
```

การใช้การค้นหาโค้ดเชิงความหมายใน Claude Code

คำอธิบายเครื่องมือที่ระบุใน TOOL_STORE_DESCRIPTION และ TOOL_FIND_DESCRIPTION ชี้แนะ Claude Code วิธีใช้ MCP server คำอธิบายที่ให้ไว้ข้างต้นเป็นตัวอย่างและอาจต้องปรับแต่งสำหรับกรณีการใช้งานเฉพาะของคุณ อย่างไรก็ตาม Claude Code ควรสามารถ:

ใช้เครื่องมือ qdrant-store เพื่อจัดเก็บตัวอย่างโค้ดพร้อมคำอธิบาย
ใช้เครื่องมือ qdrant-find เพื่อค้นหาตัวอย่างโค้ดที่เกี่ยวข้องโดยใช้ภาษาธรรมชาติ

รัน MCP server ในโหมดการพัฒนา

MCP server สามารถรันในโหมดการพัฒนาได้โดยใช้คำสั่ง mcp dev ซึ่งจะเริ่มเซิร์ฟเวอร์และเปิด MCP inspector ในเบราว์เซอร์ของคุณ

COLLECTION_NAME=mcp-dev fastmcp dev src/mcp_server_qdrant/server.py

การใช้งานกับ VS Code

สำหรับการติดตั้งด้วยคลิกเดียว ให้คลิกปุ่มติดตั้งปุ่มใดปุ่มหนึ่งด้านล่าง:

การติดตั้งด้วยตนเอง

เพิ่มบล็อก JSON ต่อไปนี้ลงในไฟล์ผู้ใช้ Settings (JSON) ของคุณใน VS Code โดยกด Ctrl + Shift + P และพิมพ์ Preferences: Open User Settings (JSON)

{
  "mcp": {
    "inputs": [
      {
        "type": "promptString",
        "id": "qdrantUrl",
        "description": "Qdrant URL"
      },
      {
        "type": "promptString",
        "id": "qdrantApiKey",
        "description": "Qdrant API Key",
        "password": true
      },
      {
        "type": "promptString",
        "id": "collectionName",
        "description": "Collection Name"
      }
    ],
    "servers": {
      "qdrant": {
        "command": "uvx",
        "args": ["mcp-server-qdrant"],
        "env": {
          "QDRANT_URL": "${input:qdrantUrl}",
          "QDRANT_API_KEY": "${input:qdrantApiKey}",
          "COLLECTION_NAME": "${input:collectionName}"
        }
      }
    }
  }
}

หรือหากคุณต้องการใช้ Docker ให้เพิ่มการกำหนดค่านี้แทน:

{
  "mcp": {
    "inputs": [
      {
        "type": "promptString",
        "id": "qdrantUrl",
        "description": "Qdrant URL"
      },
      {
        "type": "promptString",
        "id": "qdrantApiKey",
        "description": "Qdrant API Key",
        "password": true
      },
      {
        "type": "promptString",
        "id": "collectionName",
        "description": "Collection Name"
      }
    ],
    "servers": {
      "qdrant": {
        "command": "docker",
        "args": [
          "run",
          "-p", "8000:8000",
          "-i",
          "--rm",
          "-e", "QDRANT_URL",
          "-e", "QDRANT_API_KEY",
          "-e", "COLLECTION_NAME",
          "mcp-server-qdrant"
        ],
        "env": {
          "QDRANT_URL": "${input:qdrantUrl}",
          "QDRANT_API_KEY": "${input:qdrantApiKey}",
          "COLLECTION_NAME": "${input:collectionName}"
        }
      }
    }
  }
}

อีกทางเลือกหนึ่ง คุณสามารถสร้างไฟล์ .vscode/mcp.json ในเวิร์กสเปซของคุณด้วยเนื้อหาต่อไปนี้:

{
  "inputs": [
    {
      "type": "promptString",
      "id": "qdrantUrl",
      "description": "Qdrant URL"
    },
    {
      "type": "promptString",
      "id": "qdrantApiKey",
      "description": "Qdrant API Key",
      "password": true
    },
    {
      "type": "promptString",
      "id": "collectionName",
      "description": "Collection Name"
    }
  ],
  "servers": {
    "qdrant": {
      "command": "uvx",
      "args": ["mcp-server-qdrant"],
      "env": {
        "QDRANT_URL": "${input:qdrantUrl}",
        "QDRANT_API_KEY": "${input:qdrantApiKey}",
        "COLLECTION_NAME": "${input:collectionName}"
      }
    }
  }
}

สำหรับการกำหนดค่างานด้วย Docker ให้ใช้สิ่งนี้ใน .vscode/mcp.json:

{
  "inputs": [
    {
      "type": "promptString",
      "id": "qdrantUrl",
      "description": "Qdrant URL"
    },
    {
      "type": "promptString",
      "id": "qdrantApiKey",
      "description": "Qdrant API Key",
      "password": true
    },
    {
      "type": "promptString",
      "id": "collectionName",
      "description": "Collection Name"
    }
  ],
  "servers": {
    "qdrant": {
      "command": "docker",
      "args": [
        "run",
        "-p", "8000:8000",
        "-i",
        "--rm",
        "-e", "QDRANT_URL",
        "-e", "QDRANT_API_KEY",
        "-e", "COLLECTION_NAME",
        "mcp-server-qdrant"
      ],
      "env": {
        "QDRANT_URL": "${input:qdrantUrl}",
        "QDRANT_API_KEY": "${input:qdrantApiKey}",
        "COLLECTION_NAME": "${input:collectionName}"
      }
    }
  }
}

การมีส่วนร่วม

หากคุณมีข้อเสนอแนะว่า mcp-server-qdrant ควรปรับปรุงอย่างไร หรือต้องการรายงานบั๊ก โปรดเปิด issue! เรายินดีรับการมีส่วนร่วมทุกประเภท

การทดสอบ `mcp-server-qdrant` ในเครื่อง

MCP inspector เป็นเครื่องมือสำหรับนักพัฒนาในการทดสอบและดีบัก MCP servers โดยรันทั้ง client UI (พอร์ตเริ่มต้น 5173) และ MCP proxy server (พอร์ตเริ่มต้น 3000) เปิด client UI ในเบราว์เซอร์เพื่อใช้ inspector

QDRANT_URL=":memory:" COLLECTION_NAME="test" \
fastmcp dev src/mcp_server_qdrant/server.py

เมื่อเริ่มต้นแล้ว ให้เปิดเบราว์เซอร์ไปที่ http://localhost:5173 เพื่อเข้าถึงอินเทอร์เฟซ inspector

สัญญาอนุญาต

เซิร์ฟเวอร์ MCP นี้ได้รับอนุญาตภายใต้ Apache License 2.0 ซึ่งหมายความว่าคุณมีอิสระที่จะใช้งาน แก้ไข และเผยแพร่ซอฟต์แวร์ โดยอยู่ภายใต้ข้อกำหนดและเงื่อนไขของ Apache License 2.0 หากต้องการรายละเอียดเพิ่มเติม โปรดดูไฟล์ LICENSE ในที่เก็บโปรเจกต์