docs: explain Qdrant purpose in quickstart step 7

Made-with: Cursor

docs/quickstart-30min.md

@@ -128,6 +128,16 @@ ollama pull qwen2.5vl
 
 ## 7) Поднять Qdrant
 
+**Qdrant** — это векторная база данных. В этом проекте она хранит embeddings (векторы) фрагментов ваших документов и быстро ищет наиболее похожие фрагменты по запросу пользователя.
+
+Зачем он нужен в нашем контуре:
+
+- `index.py` превращает текст документов в embeddings и записывает их в Qdrant;
+- `mcp_server.py` при вызове `search_docs` ищет релевантные чанки в Qdrant;
+- OpenClaude получает найденный контекст и отвечает уже на основе ваших данных (RAG), а не только на "общих знаниях" модели.
+
+Без Qdrant связка RAG в текущем starter-стеке работать не будет.
+
 ```bash
 cd ~/openclaude-LLM-local/docs/rag-mcp-starter
 docker compose up -d