mcp-obsidian
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
- Linux
- macOS
- Windows
未说明
未说明

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。
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。
- 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。
- 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:
- 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。
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
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。
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。
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。
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。
