MCP-ArcKnowledge

MCP ArcKnowledge

它是如何工作的？

这是用于您的自定义 webhook 端点（知识库）的模型上下文协议 (MCP) 服务器。

有了它，您可以轻松管理和查询您的知识库列表（Webhook 端点）。您可以通过注册 URL 来添加新的文档源，并可选择提供描述和 API 密钥。

您还可以列出所有已注册的文档源并查看其详细信息。

当您准备好询问/搜索时，您可以使用文本问题查询知识库，指定要搜索的来源或将其留空以搜索所有来源。

然后，该工具将汇总来自查询源的结果并提供给您。

先决条件

• 去
• Python 3.6+
• Anthropic Claude 桌面应用程序（或 Cursor 或 Cline）
• UV（Python 包管理器），使用curl -LsSf https://astral.sh/uv/install.sh | sh

概念

想象一下，能够桥接 1 个统一的设置，您可以在一个配置中连接所有自定义知识库端点 webhook，从而无需多个 MCP 服务器。

演示

观看 mcp 光标视频

设置安装

1.克隆仓库

2. 配置端点复制或更改knowledge_document_sources.json文件。请参阅sample_endpoint文件夹，了解当前知识端点 API 架构的支持情况。您可以根据需要更改代码。
3. 连接到 MCP 服务器使用适当的 {{PATH}} 值复制以下 json：
   { "mcpServers": { "mcp-arcknowledge": { "command": "cmd /c uv", "args": [ "--directory", "C:/Users/Acer/OneDrive/GitHub/YourDrive", "run", "main.py" ], "env": { "DOCUMENT_SOURCES_PATH": "C:/Users/Acer/OneDrive/GitHub/YourDrive/testcustomother.json" } } } }

对于Claude ，将其保存为claude_desktop_config.json并保存在 Claude Desktop 配置目录中：

对于Cursor ，将其保存为mcp.json并保存在 Cursor 配置目录中：

对于cline ，将其保存为cline_mcp_settings.json在您的配置中

4. 重启客户端：Claude Desktop / Cursor / Cline / Windsurf打开并重启 mcp 的客户端 ide。例如 Claude/Cursor/Cline/等

Windows 兼容性

如果您在 Windows 上运行此项目，请注意， go-sqlite3需要启用 CGO才能编译并正常工作。默认情况下， CGO 在 Windows 上处于禁用状态，因此您需要显式启用它并安装 C 编译器。

使其工作的步骤：

1. 安装 C 编译器
   我们建议使用MSYS2为 Windows 安装 C 编译器。安装 MSYS2 后，请确保将ucrt64\bin文件夹添加到PATH中。
   →此处提供分步指南。

架构概述

该应用程序由简单的主要组件组成：

Python MCP 服务器（ main.py ）：实现模型上下文协议（MCP）的 Python 服务器，它提供标准化的工具客户端与数据交互并调用 api 调用。

数据存储

• 所有存储都是运行时本地主 python 服务器。

技术细节

1. 客户端向 Python MCP 服务器发送请求
2. MCP 服务器查找其运行时配置知识库。
3. 然后根据您的查询，它会调用您的知识库端点 API，

故障排除

• 如果在运行 uv 时遇到权限问题，则可能需要将其添加到 PATH 或使用可执行文件的完整路径。
• 确保 Go 应用程序和 Python 服务器都在运行，以确保集成正常工作。

启动服务器

1. 配置以开发模式运行服务器：

或者安装它以便与 Claude 一起使用：

可用工具

1. 默认从 knowledge_document_sources.json 加载知识列表

默认从配置中加载知识源

您可以从 mcp.json 环境配置中加载自定义知识

2. 列出所有当前注册的知识源

显示并解释所有注册知识源的列表。

3.添加新的知识文档源

添加新的 arcknowledge 端点 URL 文档源。请提供 URL、描述目的以及 API 密钥（如有）。

4.查询特定知识文档来源

使用 query_knowledge_base 查询从这些源构建的 arcknowledge 库。

工具功能

1. add_new_knowledge_document_source(url: str, description:str = None, apikey:str = None) -> str
   • 注册一个新的文档源 URL，可选择附带描述和 API 密钥。
   • 返回：带有新源 ID 的确认消息。
2. list_knowledge_document_sources() -> Dict[str, Dict[str, str]]
   • 列出所有已注册的文档源。
   • 返回：将源 ID 映射到其详细信息（URL、描述、API 密钥）的字典。
3. query_knowledge_base(query: str, source_ids: List[str] = [], image: str = '') -> str
   • 使用文本查询和可选图像数据查询指定的文档源（如果未指定则查询所有文档源）。
   • 返回：来自查询源的聚合结果。

发展

关键文件项目结构

光标 AI MCP 配置

1. 在项目根目录中创建一个mcp.json文件：

2. 配置光标AI：
   • 打开光标 AI 设置
   • 导航至 MCP 部分
   • 添加mcp.json文件的路径
   • 重新启动 Cursor AI 以应用更改
3. 验证配置：

添加新功能

1. 在main.py中定义新模型
2. 使用@mcp.tool()装饰器添加新工具
3. 根据需要更新文档

执照

麻省理工学院

贡献

1. 分叉存储库
2. 创建你的功能分支
3. 提交你的更改
4. 推送到分支
5. 创建新的 Pull 请求