mcp-obsidian

GitHub
3.2k 381 简单 3 次阅读 今天MITAgent插件
AI 解读 由 AI 自动生成,仅供参考

mcp-obsidian 是一个专为 Obsidian 设计的 MCP 服务器,旨在让大语言模型直接与用户的笔记库对话。通过配合 Obsidian 的本地 REST API 插件,mcp-obsidian 实现了 AI 对笔记内容的深度交互。

mcp-obsidian 解决了 AI 助手无法直接读取本地私有数据的痛点。用户无需再手动复制粘贴笔记,即可让 AI 搜索包含特定关键词的文件,或自动总结会议记录并生成新文档。这种自动化流程显著提升了知识管理的效率。

适合开发者、研究人员以及热爱 AI 应用的 Obsidian 高级用户。其核心亮点在于遵循 Model Context Protocol 标准,提供文件列表查看、全文搜索、内容追加与修改等多种能力。只需在配置中填入 API Key,Claude 等模型便能无缝调用这些功能,真正将 AI 融入个人的第二大脑工作流。无论是快速检索技术细节,还是批量整理笔记,mcp-obsidian 都能提供高效支持。

使用场景

一位技术项目经理每天需要整理多个团队的会议纪要、架构决策和待办事项,这些内容分散在 Obsidian 个人知识库的不同笔记中。

没有 mcp-obsidian 时

  • 每次写周报前,需手动在 Obsidian 中逐个打开“会议记录”“项目进展”等文件夹查找最新笔记,耗时且易遗漏。
  • 想汇总所有提及“身份认证模块”的讨论上下文,只能靠关键词搜索后人工点开每篇笔记阅读判断。
  • 将会议要点转为正式摘要时,需复制粘贴内容到新笔记,并手动添加邮件友好的引言,流程繁琐。
  • 若发现某条记录有误,需定位具体文件再编辑,无法通过自然语言指令快速修正。
  • 整个过程高度依赖手动操作,难以与 AI 助手(如 Claude)联动实现自动化。

使用 mcp-obsidian 后

  • 直接向 Claude 发出指令:“获取上周所有会议笔记并生成摘要”,mcp-obsidian 自动调用 list_files_in_dir 和 get_file_contents 获取内容。
  • 输入“搜索所有提到‘身份认证模块’的笔记并解释上下文”,工具通过 search 接口精准返回相关段落,Claude 即时解析语义。
  • 执行“将今日站会要点追加到 weekly-update.md,并加上‘Hi 团队,以下是今日同步内容:’开头”,append_content 自动完成格式化写入。
  • 若需修正错误,只需说“在‘Q3 架构评审.md’的‘数据库选型’标题下插入补充说明”,patch_content 精准定位并更新。
  • 整个知识管理流程实现“自然语言驱动”,Obsidian 成为可编程的知识中枢。

mcp-obsidian 让 Obsidian 从静态笔记工具升级为可被 AI 主动读写、智能协同的动态知识系统。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes需要安装 Obsidian 的 Local REST API 社区插件,并配置 API 密钥;工具通过 uv 或 uvx 运行,需确保其已安装;默认连接地址为 http://127.0.0.1:27124
python未说明
mcp-obsidian hero image

快速开始

Obsidian MCP 服务器

通过 Local REST API (本地 REST API) 社区插件与 Obsidian 交互的 MCP (Model Context Protocol) 服务器。

server for Obsidian MCP server

组件

工具

该服务器实现了多个工具以与 Obsidian 进行交互:

  • list_files_in_vault: 列出您 Obsidian 库根目录下的所有文件和目录
  • list_files_in_dir: 列出特定 Obsidian 目录下的所有文件和目录
  • get_file_contents: 返回您库中单个文件的内容。
  • search: 在所有文件中搜索匹配指定文本查询的文档
  • patch_content: 相对于标题、块引用或 frontmatter (前置元数据) 字段,将内容插入现有笔记。
  • append_content: 向库中的新文件或现有文件追加内容。
  • delete_file: 从您的库中删除文件或目录。

示例提示词

最好先指示 Claude 使用 Obsidian。这样它就会始终调用该工具。

请使用如下提示词:

  • 获取上一次架构调用笔记的内容并总结它们
  • 搜索所有提到 Azure CosmosDb 的文件,并快速向我解释提及它的上下文
  • 总结上一次的会议笔记并将其放入新笔记 'summary meeting.md' 中。添加一个介绍,以便我可以通过电子邮件发送。

配置

Obsidian REST API 密钥

有两种方式可以使用 Obsidian REST API 密钥配置环境。

  1. 添加到服务器配置(推荐)
{
  "mcp-obsidian": {
    "command": "uvx",
    "args": [
      "mcp-obsidian"
    ],
    "env": {
      "OBSIDIAN_API_KEY": "<your_api_key_here>",
      "OBSIDIAN_HOST": "<your_obsidian_host>",
      "OBSIDIAN_PORT": "<your_obsidian_port>"
    }
  }
}

有时 Claude 在检测 uv / uvx 的位置时会有问题。在这种情况下,您可以使用 which uvx 查找并粘贴完整路径到上述配置中。

  1. 在工作目录中创建一个 .env 文件,包含以下必需变量:
OBSIDIAN_API_KEY=your_api_key_here
OBSIDIAN_HOST=your_obsidian_host
OBSIDIAN_PORT=your_obsidian_port

注意:

  • 您可以在 Obsidian 插件配置中找到 API 密钥
  • 如果未指定,默认端口为 27124
  • 如果未指定,默认主机为 127.0.0.1

快速开始

安装

Obsidian REST API

您需要运行 Obsidian REST API 社区插件:https://github.com/coddingtonbear/obsidian-local-rest-api

在设置中安装并启用它,然后复制 API 密钥。

Claude Desktop

MacOS: ~/Library/Application\ Support/Claude/claude_desktop_config.json

Windows: %APPDATA%/Claude/claude_desktop_config.json

开发/未发布服务器配置
{
  "mcpServers": {
    "mcp-obsidian": {
      "command": "uv",
      "args": [
        "--directory",
        "<dir_to>/mcp-obsidian",
        "run",
        "mcp-obsidian"
      ],
      "env": {
        "OBSIDIAN_API_KEY": "<your_api_key_here>",
        "OBSIDIAN_HOST": "<your_obsidian_host>",
        "OBSIDIAN_PORT": "<your_obsidian_port>"
      }
    }
  }
}
已发布服务器配置
{
  "mcpServers": {
    "mcp-obsidian": {
      "command": "uvx",
      "args": [
        "mcp-obsidian"
      ],
      "env": {
        "OBSIDIAN_API_KEY": "<YOUR_OBSIDIAN_API_KEY>",
        "OBSIDIAN_HOST": "<your_obsidian_host>",
        "OBSIDIAN_PORT": "<your_obsidian_port>"
      }
    }
  }
}

开发

构建

为了准备用于分发的包:

  1. 同步依赖项并更新锁文件:
uv sync

调试

由于 MCP 服务器通过 stdio (标准输入输出) 运行,调试可能具有挑战性。为了获得最佳的调试体验,我们强烈建议使用 MCP Inspector

您可以通过 npm 使用此命令启动 MCP Inspector:

npx @modelcontextprotocol/inspector uv --directory /path/to/mcp-obsidian run mcp-obsidian

启动后,Inspector 将显示一个 URL,您可以在浏览器中访问它以开始调试。

您也可以使用此命令查看服务器日志:

tail -n 20 -f ~/Library/Logs/Claude/mcp-server-mcp-obsidian.log

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架

OpenHands

OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。

70.6k|★★★☆☆|今天
语言模型Agent开发框架