RAG가 포함된 Bear Notes MCP 서버

AI 비서로 Bear Notes 경험을 더욱 강화하고 싶으신가요? 이 작은 보물은 의미 검색과 RAG(검색 증강 생성)를 사용하여 개인 지식 기반을 AI 시스템에 연결합니다.

AI 비서가 단순히 텍스트 매칭만 하는 게 아니라, 제 노트에 있는 내용을 실제로 이해하도록 만들고 싶어서 이 앱을 만들었습니다. 제 생각에는 그 결과가 꽤 만족스럽습니다.

시작하기

설정은 간단합니다.

지엑스피1

스크립트를 실행 가능하게 만드세요(권한이 중요하기 때문):

chmod +x src/bear-mcp-server.js
chmod +x src/create-index.js

가장 먼저 해야 할 일: 노트 색인하기

시작하기에 앞서, 노트의 벡터 임베딩을 만들어야 합니다.

npm run index

미리 경고합니다. 저처럼 메모를 많이 하는 사람이라면 몇 분 정도 걸릴 수 있습니다. 모든 메모를 의미를 담아내는 수학적 벡터로 변환하는 작업입니다. 정말 기발한 아이디어죠 😉.

구성

MCP 구성 파일을 업데이트하세요.

{
  "mcpServers": {
    "bear-notes": {
      "command": "node",
      "args": [
        "/absolute/path/to/bear-mcp-server/src/bear-mcp-server.js"
      ],
      "env": {
        "BEAR_DATABASE_PATH": "/Users/yourusername/Library/Group Containers/9K33E3U3T4.net.shinyfrog.net.bear/Application Data/database.sqlite"
      }
    }
  }
}

🚨 경로를 실제 설치 위치로 바꿔주세요. 예시 경로를 그대로 사용하는 건 아쉽지만 소용없습니다.

무엇이 특별한가요?

의미 검색 : 키워드뿐 아니라 의미를 기반으로 노트를 검색하세요. "생산성 시스템"에 대해 질문하면 GTD와 포모도로 관련 노트를 찾아줍니다. 해당 단어가 정확히 포함되어 있지 않더라도 말이죠.
RAG 지원 : 이제 AI 비서가 명확하게 언급하지 않았더라도 메모에서 관련 맥락을 가져올 수 있습니다.
모든 로컬 처리 : 모든 작업이 사용자의 컴퓨터에서 실행됩니다. 데이터가 컴퓨터 외부로 유출되지 않고, API 키가 필요하지 않으며, 인터넷에 의존할 필요가 없습니다(초기 설정 후).
우아한 대체 : 어떤 이유로든 의미 검색을 사용할 수 없으면 조용히 기존 검색으로 대체됩니다. 괄호와 괄호.

작동 원리

클레버 비츠

이 서버는 모든 MiniLM-L6-v2 모델을 갖춘 Xenova의 transformers.js 구현을 사용합니다.

이는 귀하의 노트의 의미적 본질을 포착하는 384차원 벡터를 생성합니다.
모든 처리가 귀하의 컴퓨터에서 로컬로 수행됩니다.
모델이 로드되는 동안 첫 번째 시작은 약간 느릴 수 있지만 그 이후에는 빠릅니다.

흐름

귀하의 쿼리는 변환기 모델을 사용하여 벡터로 변환됩니다.
이 벡터는 노트의 사전 색인된 벡터와 비교됩니다.
정확한 키워드 일치 여부와 관계없이 유사한 의미를 가진 메모가 반환됩니다.
AI 보조원은 이러한 관련 메모를 응답의 맥락으로 사용합니다.

프로젝트 구조

여기에는 너무 복잡한 것은 없습니다.

bear-mcp-server/
├── package.json
├── readme.md
└── src/
    ├── bear-mcp-server.js     # Main MCP server
    ├── create-index.js        # Script to index notes
    ├── utils.js               # Utility functions
    ├── lib/                   # Additional utilities and diagnostic scripts
    │   └── explore-database.js # Database exploration and diagnostic tool
    ├── note_vectors.index     # Generated vector index (after indexing)
    └── note_vectors.json      # Note ID mapping (after indexing)

AI 어시스턴트에 사용 가능한 도구

이 서버에 연결하는 AI 보조원은 다음 도구를 사용할 수 있습니다.

search_notes : 쿼리와 일치하는 노트 찾기
- 매개변수: query (필수), limit (선택 사항, 기본값: 10), semantic (선택 사항, 기본값: true)
get_note : ID로 특정 노트를 가져옵니다.
- 매개변수: id (필수)
get_tags : Bear Notes에 사용된 모든 태그를 나열합니다.
retrieve_for_rag : RAG에 맞게 특별히 포맷된 쿼리와 의미적으로 유사한 메모를 가져옵니다.
- 매개변수: query (필수), limit (선택 사항, 기본값: 5)

요구 사항

Node.js 버전 16 이상
macOS용 Bear Notes
MCP 호환 AI 어시스턴트 클라이언트

제한 사항 및 주의 사항

Bear Notes에 대한 읽기 전용 액세스(귀하의 소중한 노트를 수정하지 않습니다)
macOS만 해당(Windows 및 Linux 사용자분들은 죄송합니다)
새로운 노트를 많이 추가하는 경우 npm run index 사용하여 인덱스를 다시 빌드해야 합니다.
첫 번째 시작은 임베딩 모델이 로드되는 동안 주전자가 끓을 때까지 기다리는 것과 비슷합니다.

문제 해결

일이 잘못되면:

Bear 데이터베이스 경로를 다시 확인하세요
npm run index 로 인덱싱 프로세스를 실행했는지 확인하세요.
Bear Notes 데이터베이스의 권한 확인
서버 스크립트가 실행 가능한지 확인하세요
로그에서 오류 메시지를 찾아보세요

잘 모르겠으면 껐다 켜보세요. 생각보다 훨씬 자주 작동합니다.

특허

MIT(자유롭게 수정하고 공유하고 개선하세요)

Bear Notes MCP Server with RAG

Integrations