Obsidian MCP Server

Obsidian MCP Server

Ein MCP-Server (Model Context Protocol), der es KI-Agenten ermöglicht, über das Local REST API-Plugin anspruchsvolle Wissensentdeckungen und -analysen in Ihrem Obsidian-Tresor durchzuführen.

Warum das wichtig ist

Dieser Server verwandelt Ihren Obsidian-Tresor in eine leistungsstarke Wissensdatenbank für KI-Agenten und ermöglicht komplexe mehrstufige Arbeitsabläufe wie:

• „Rufen Sie Notizen aus meinem Ordner „Projekte/Planung“ ab, die „Roadmap“ oder „Zeitleiste“ in der Überschrift enthalten und nach dem 1. April erstellt wurden. Analysieren Sie sie anschließend auf etwaige Blockaden oder Abhängigkeiten und präsentieren Sie eine konsolidierte Risikobewertung mit Verweisen auf die Quellnotizen.“
• „Suchen Sie alle mit ‚Forschung‘ oder ‚Analyse‘ gekennzeichneten Notizen des letzten Monats, durchsuchen Sie deren Inhalt nach unvollständigen Abschnitten oder offenen Fragen und vergleichen Sie sie dann mit meinen ‚Team/Expertise‘-Notizen, um vorzuschlagen, welche Kollegen bei der Behebung der jeweiligen Lücken helfen könnten.“
• „Holen Sie sich den kompletten Inhalt der Besprechungsnotizen aus ‚Leadership/Quarterly‘ mit den Angaben ‚Budget‘ oder ‚Personalbestand‘, analysieren Sie diese auf die meiner Abteilung zugewiesenen Aktionspunkte und erstellen Sie eine chronologische Zeitleiste mit Quellenangaben.“

Dank der erweiterten Filterung, der Regex-Unterstützung und der umfassenden Inhaltsabruffunktionen des Servers können Agenten differenzierte Wissensarbeit leisten, die manuell Stunden dauern würde.

Voraussetzungen

1. Installieren Sie das Obsidian Local REST API- Plugin in Ihrem Obsidian-Tresor
2. Konfigurieren und aktivieren Sie das Plugin in den Obsidian-Einstellungen
3. Notieren Sie sich die API-URL (Standard: https://localhost:27124 ) und den API-Schlüssel, falls Sie einen festgelegt haben

Installation

Von PyPI (empfohlen)

Zur MCP-Konfiguration hinzufügen

Fügen Sie Ihrer MCP-Clientkonfiguration (z. B. Claude Desktop) Folgendes hinzu:

Aus der Quelle (Entwicklung)

Konfiguration

Legen Sie Umgebungsvariablen für die Obsidian-API fest:

Wichtiger Sicherheitshinweis : Vermeiden Sie es, Ihren OBSIDIAN_API_KEY direkt in Skripte einzubinden oder ihn der Versionskontrolle zu übergeben. Verwenden Sie eine .env Datei (die in der .gitignore Datei dieses Projekts enthalten ist) und eine Bibliothek wie python-dotenv zur Verwaltung Ihres API-Schlüssels oder verwenden Sie Umgebungsvariablen, die von Ihrem Betriebssystem oder Ihrer Shell verwaltet werden.

Hinweis : Der Server verwendet standardmäßig HTTPS und deaktiviert die SSL-Zertifikatsprüfung für selbstsignierte Zertifikate, die häufig bei lokalen Obsidian-Instanzen verwendet werden. Für HTTP-Verbindungen setzen Sie OBSIDIAN_API_URL="http://localhost:27123" .

Verwendung

Führen Sie den MCP-Server aus:

Verfügbare Tools

Der Server bietet drei leistungsstarke Tools:

1. search_vault – Erweiterte Suche mit flexiblen Filtern und vollständigem Inhaltsabruf:
   • query – Text- oder Regex-Suche im gesamten Notizinhalt (optional)
   • query_type – Suchtyp: „Text“ (Standard) oder „regulärer Ausdruck“
   • search_in_path – Suche auf bestimmten Ordnerpfad beschränken
   • title_contains – Filtern nach Text in Notiztiteln (Zeichenfolge, Array oder JSON-Zeichenfolge)
   • title_match_mode – So werden mehrere Begriffe abgeglichen: „any“ (OR) oder „all“ (AND)
   • tag – Filtern nach Tag (Zeichenfolge, Array oder JSON-Zeichenfolge – durchsucht Frontmatter und Inline-#Tags)
   • tag_match_mode – So werden mehrere Tags abgeglichen: „any“ (OR) oder „all“ (AND)
   • context_length – Menge des zurückzugebenden Inhalts (hoch einstellen für vollständigen Inhalt)
   • include_content – Boolescher Wert zum Abrufen des vollständigen Inhalts aller übereinstimmenden Notizen
   • created_since/until – Filtern nach Erstellungsdatum
   • modified_since/until – Filtern nach Änderungsdatum
   • page_size – Ergebnisse pro Seite
   • max_matches_per_file – Übereinstimmungen pro Notiz begrenzen

   Hauptmerkmale :

   • Wenn keine query angegeben ist, wird bei Nur-Filter-Suchen automatisch der vollständige Inhalt zurückgegeben.
   • include_content=True erzwingt den vollständigen Inhaltsabruf für jede Suche
   • Unterstützt Regex-Muster für komplexe Textübereinstimmungen (ODER-Bedingungen, Suche ohne Berücksichtigung der Groß-/Kleinschreibung usw.)
2. get_note_content - Vollständigen Inhalt und Metadaten einer bestimmten Notiz über den Pfad abrufen
3. browse_vault_structure – Effizientes Navigieren in der Tresor-Verzeichnisstruktur:
   • path – Zu durchsuchendes Verzeichnis (standardmäßig das Stammverzeichnis des Tresors)
   • include_files – Boolescher Wert zum Einschließen von Dateien (Standard: False, Ordner nur aus Geschwindigkeitsgründen)
   • recursive - Boolescher Wert zum Durchsuchen aller verschachtelten Verzeichnisse

Beispiel-Anwendungsfälle

Einfache Suchen

1. Suchen Sie in einem bestimmten Ordner nach Notizen nach Titel:
   search_vault( search_in_path="Work/Projects/", title_contains="meeting" )
2. Notizen mit mehreren Titelbegriffen finden (ODER-Logik):
   search_vault( title_contains=["foo", "bar", "fizz", "buzz"], title_match_mode="any" # Default )
3. Notizen mit ALLEN Titelbegriffen (UND-Logik) finden:
   search_vault( title_contains=["project", "2024"], title_match_mode="all" )
4. Alle aktuellen Notizen mit vollständigem Inhalt abrufen:
   search_vault( modified_since="2025-05-20", include_content=True )
5. Textsuche mit Kontext:
   search_vault( query="API documentation", search_in_path="Engineering/", context_length=500 )
6. Suche nach Tag:
   search_vault( tag="project" )
7. Regex-Suche nach ODER-Bedingungen:
   search_vault( query="foo|bar", query_type="regex", search_in_path="Projects/" )
8. Regex-Suche nach Aufgaben, die bestimmten Personen zugewiesen sind:
   search_vault( query="(TODO|FIXME|ACTION).*@(alice|bob)", query_type="regex", search_in_path="Work/Meetings/" )

Erweiterte mehrstufige Workflows

Diese Beispiele zeigen, wie Agenten anspruchsvolle Aufgaben zur Wissensermittlung miteinander verketten können:

9. Strategische Projektanalyse:
   # Step 1: Get all project documentation search_vault( search_in_path="Projects/Infrastructure/", title_contains=["planning", "requirements", "architecture"], title_match_mode="any", include_content=True ) # Step 2: Find related technical discussions search_vault( tag=["infrastructure", "technical-debt"], tag_match_mode="any", modified_since="2025-04-01", include_content=True )
   Der Agent kann dann Abhängigkeiten analysieren, Risiken identifizieren und eine Ressourcenzuweisung empfehlen
10. Mining von Meeting-Aktionselementen:

Der Agent durchsucht Inhalte nach Aktionselementen, extrahiert Aufgaben und erstellt eine chronologische Verfolgung

11. Forschungslückenanalyse:

Der Agent identifiziert Wissenslücken und schlägt Teammitglieder vor, die helfen könnten

12. Erkundung der Tresorstruktur:

13. Tag-basiertes Wissensmapping:

Entwicklung

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE .