Provides workflows for interacting with the SiYuan knowledge platform, including project context, customer knowledge aggregation, meeting summaries, daily and weekly reviews, project timelines, and related note discovery.
Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@SiYuan MCP Server provide the project context for Project Aurora"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
AI Knowledge Platform（AI 知识平台） — 以 Workflow 为核心、以 Knowledge Context 为基础、以 Knowledge Graph 为增强，通过 MCP 向 AI 提供高层业务能力的知识服务平台。
Related MCP server: SiYuan MCP Server
AI 应完成工作，而不是操作文档。
本项目不是：
❌ 思源 HTTP API 的简单封装
❌ 一个 CRUD Server
❌ Block Tool Collection
而是：
✅ AI Knowledge Platform — AI 的工作知识中枢。
我们做什么 | 我们不做 |
理解知识 | 暴露所有 HTTP API |
聚合知识 | 提供 Block CRUD |
建立知识上下文 | 成为思源 API 的通用封装 |
支持 AI Workflow | 让 AI 拼凑几十个底层调用 |
AI 永远优先调用 Workflow，而不是组合多个底层 Tool；底层 Tool 保持稳定，高层 Workflow 持续演进。
AI 每次完成任务都需要拼凑大量底层调用：
search_notes("CRM") ← 搜索
↓
read_note("doc_001") ← 读取
↓
read_note("doc_002") ← 读取
↓
search_notes("CRM 会议") ← 再搜索
↓
read_note("doc_003") ← 读取
↓
list_todos() ← 查待办
↓
[AI 在 prompt 中自己整理] ← 拼凑结果问题：大量往返调用、上下文碎片化、AI 需要自己做聚合推理。
project_context("CRM") ← 一次调用
↓
[Workflow 内部完成：搜索 → 读取 → 分类 → 排序 → 聚合 → 模板渲染]
↓
返回完整项目上下文（结构化 Markdown）收益：
无 Workflow | 有 Workflow | |
调用次数 | 6-10 次 | 1 次 |
延迟 | 高（串行往返） | 低（内部并行 + 缓存） |
上下文质量 | 碎片化原始数据 | 聚合后的结构化知识 |
缓存 | 无 | TTL 内存缓存，避免重复读取 |
AI 认知负担 | 需要理解如何组合 | 只管发起业务请求 |
AI 永远应该调用 Workflow，不是几十个 Tool。
Workflow 负责业务，Tool 负责能力，SDK 负责API。
AI Workflow 是整个项目的核心。每个 Workflow 在内部组合多次 SDK 调用，输出 LLM 可直接理解的格式化 Markdown，并利用知识缓存避免重复读取。
AI
│
▼
Workflow (业务编排：search + read + classify + sort + template)
│
▼
Tool (基础能力：search_notes, read_note, create_note, list_todos...)
│
▼
SDK (HTTP 封装：auth, retry, error handling)
│
▼
SiYuan API约束 | 说明 |
Workflow → Tool | ✅ Workflow 组合多个 Tool |
Tool → Workflow | ❌ Tool 不允许调用 Workflow |
SDK → Workflow | ❌ SDK 不允许依赖 Workflow |
MCP → Workflow | ✅ MCP 负责暴露 Workflow 给 AI |
一句话：输入一个主题，返回统一的知识上下文。
search_notes(topic) → 读取 Top N → 提取标题/摘要/标签 → 排序去重 → 返回上下文输出 7 段：相关文档 / 最近更新 / 重要知识 / 未完成待办 / 关联文档 / 建议继续阅读
参数 | 类型 | 说明 |
| string（必填） | 查询主题 |
| string | 限定笔记本 |
| number | 读取文档数（默认 5，最大 20） |
一句话：输入项目名，返回项目全景视图（所有文档类型 + 待办）。
多查询搜索 → 按类型分类（设计材料/会议纪要/日报/实施） → 读取摘要 → 查询待办。缓存 TTL: 60s。
参数 | 类型 | 说明 |
| string（必填） | 项目名称 |
| string | 限定笔记本 |
一句话：输入客户名，返回该客户的所有关联知识。
多查询搜索（客户名 + 会议/报价/方案/合同） → 分类（会议记录/沟通记录/文档） → 提取关联项目 → 查询待办 → 模板渲染。缓存 TTL: 60s。
参数 | 类型 | 说明 |
| string（必填） | 客户名称 |
| number | 搜索深度（默认 15） |
一句话：输入原始会议文本，自动生成结构化纪要。
解析会议内容 → 提取标题/日期/参会人/议题 → 按章节提取决策/行动项/风险 → 提取 TODO → 模板渲染 → 可选保存到思源并建立双向关联。
参数 | 类型 | 说明 |
| string（必填） | 原始会议内容 |
| string | 保存目标笔记本 |
| boolean | 是否保存到思源（默认 false） |
| string | 追加到已有文档 |
提取规则：
内容类型 | 识别方式 |
决策 | 「决定」「决议」「结论」「确认」等关键词 |
行动项 | 「TODO」「待办」「负责」「需要」等关键词 |
风险 | 「风险」「问题」「阻塞」「延期」等关键词 |
一句话：输入项目名，返回完整项目时间线。
多查询搜索（项目名 + 会议/日报/周报/设计/实施/总结） → 从路径和标题提取日期 → 分类（📅会议/📊报告/📋设计/🚀实施） → 按日期排序 → 模板渲染。缓存 TTL: 60s。
参数 | 类型 | 说明 |
| string（必填） | 项目名称 |
| number | 搜索深度（默认 20） |
一句话：输入文档 ID，返回与之关联的推荐笔记。
读取源文档 → 提取关键词（标题/链接/wikilinks/@mentions/#tags + TF） → 逐关键词搜索 → 提取反向链接 → 排序返回。
参数 | 类型 | 说明 |
| string（必填） | 源文档 ID |
| number | 最大结果数（默认 10） |
一句话：生成今日工作回顾。
获取今日日记 → 搜索今日新建文档/会议 → 查询待办 → 模板渲染。缓存 TTL: 30s。
参数 | 类型 | 说明 |
| string | 限定笔记本 |
一句话：生成本周工作总结。
自动计算周一至周日范围 → 搜索本周文档 → 按项目分类汇总 → 模板渲染。缓存 TTL: 60s。
参数 | 类型 | 说明 |
| string | 限定笔记本 |
Knowledge Context 是整个项目最重要的能力。它不是 Search，不是 RAG，而是统一知识上下文。
AI 不应反复调用 search → read → search → read，而应该一次调用获取完整上下文。
❌ 低效模式：
AI: search("CRM")
AI: read(doc_1)
AI: search("CRM 会议")
AI: read(doc_2)
AI: search("CRM TODO")
AI: [手动拼接上下文]
✅ Knowledge Context 模式：
AI: knowledge_context("CRM")
→ 一次返回完整结构化上下文User Query (topic)
│
▼
┌─────────────────┐
│ Knowledge │
│ Context │
│ │
│ 1. Search │ ← 多模式搜索（keyword + hybrid）
│ ↓ │
│ 2. Read │ ← 读取 Top N 文档
│ ↓ │
│ 3. Extract │ ← 标题、摘要、更新时间、标签
│ ↓ │
│ 4. Merge │ ← 去重、排序
│ ↓ │
│ 5. Timeline │ ← 按时间组织
│ ↓ │
│ 6. Summary │ ← 生成结构化摘要
│ ↓ │
│ 7. Context │ ← 输出统一上下文
└─────────────────┘
│
▼
Structured Markdown## 相关文档
核心匹配文档列表（标题、路径、摘要、更新时间）
## 最近更新
过去 7 天内更新的相关文档
## 重要知识
关键知识点（高频术语和概念提取）
## 未完成待办
与该主题相关的待办任务
## 关联文档
通过关键词发现的更广泛关联
## 建议继续阅读
推荐进一步深入阅读的文档内置智能检索：自然语言 → 结构化搜索关键词。
// 输入："客户A昨天会议"
// → 去掉时间词"昨天"
// → CamelCase、英文、中英边界分词
// → 逐段去停用词（非全局正则，保护复合词）
// 输出：["客户A", "会议"]思源最大的优势不是 Markdown，而是知识网络。
思源特性 | 项目中的应用 |
双向链接 |
|
标签 | 关键词提取和归类 |
引用关系 |
|
Notebook | 工作流按笔记本范围搜索和聚合 |
Daily Note |
|
属性 | 从文档属性提取元数据 |
auto_link 能力创建会议纪要时，自动关联：
项目文档
客户文档
成员 Daily Note
相关 TODO
约束：只增加引用关系，不自动移动文档，不修改目录结构。
┌──────────┐
│ Meeting │
└────┬─────┘
│ 双向链接
┌─────────┼─────────┐
▼ ▼ ▼
┌────────┐ ┌────────┐ ┌────────┐
│Project │←│Customer│→│ People │
└───┬────┘ └───┬────┘ └───┬────┘
│ │ │
└───────────┼──────────┘
▼
┌────────┐
│ Todo │
└────────┘
│
▼
Knowledge Graph不是简单的 Markdown 仓库，而是以知识节点和关系为核心的知识图谱。
新增需求时，优先考虑 Workflow，不是 Tool。
project_context() 优于 search + read + search + read。
AI 优先使用 Knowledge Context，不是原生 Search。
knowledge_context() 一次返回结构化上下文，不是让 AI 自己拼凑。
优先做知识聚合，不是文档操作。
聚合会议、日报、设计、实施到统一时间线，而不是暴露 append_block()。
只有 Workflow 确实需要时，才增加 SDK API。
禁止为了封装而封装。不推荐暴露 append_block()、delete_block()、rename_block()、sql()。
User
│
▼
AI (WorkBuddy / Claude / Cursor)
│
▼
┌──────────────────────────┐
│ SiYuan MCP Server │
│ │
│ ┌────────────────────┐ │
│ │ Workflow Layer │ │ ★ 核心层：业务编排、缓存、模板
│ │ ───────────────── │ │
│ │ knowledge_context │ │
│ │ project_context │ │
│ │ customer_context │ │
│ │ meeting_summary │ │
│ │ daily_review │ │
│ │ weekly_review │ │
│ │ project_timeline │ │
│ │ find_related_notes │ │
│ └────────┬───────────┘ │
│ ▼ │
│ ┌────────────────────┐ │
│ │ MCP Tools │ │ 基础工具层（供 Workflow 调用）
│ └────────┬───────────┘ │
└───────────┼──────────────┘
▼
┌───────────────┐
│ SiYuan SDK │ HTTP 封装层（auth, retry, error handling）
└───────┬───────┘
▼
┌───────────────┐
│ SiYuan API │ 思源内核
└───────────────┘调用链：
AI → Workflow → Tool → SDK → SiYuan API严格遵守依赖方向：Workflow → Tool → SDK，不得反向依赖。
@siyuan-ai/sdk — 独立的思源 HTTP API 封装库，可脱离 MCP 单独使用。
模块：auth（认证）/ notebook（笔记本）/ document（文档）/ todo（待办）/ search（搜索）
特性：Token 自动注入、Axios 重试（3 次）、统一错误处理、JSON 结构化日志
独立复用：CLI 脚本、定时任务、自动化流水线、其他非 MCP 场景。
AI 应优先调用工作流工具。基础工具供 Workflow 内部使用，不应由 AI 直接组合调用。
Tool | 说明 | 关键参数 |
| ★ 构建主题知识上下文 |
|
| 项目全景视图 |
|
| 客户知识聚合 |
|
| 会议纪要自动总结 |
|
| 日报回顾 |
|
| 周报生成 |
|
| 项目时间线 |
|
| 智能关联笔记 |
|
Tool | 说明 | 关键参数 |
| 搜索文档（多模式） |
|
| 读取文档内容 |
|
| 创建文档（支持 auto_link） |
|
| 追加文档内容 |
|
| 列出所有笔记本 | — |
| 创建笔记本 |
|
| 重命名笔记本 |
|
| 删除笔记本 |
|
| 获取/创建今日日记 |
|
| 列出所有待办 |
|
| 创建待办 |
|
| 完成待办 |
|
| 重命名文档 |
|
| 移动文档 |
|
| 删除文档 |
|
未来新增功能优先实现为 Workflow，不是 Tool。Tool 是 Workflow 的基础能力层，保持精简稳定。
Node.js 22+
pnpm 9+
思源笔记 v3.1+（HTTP API 已开启）
git clone <repo-url>
cd siyuan-ai
pnpm install
# 配置环境变量
cp .env.example .env
# 编辑 .env 设置 SIYUAN_URL 和 SIYUAN_TOKEN
pnpm build
# stdio 模式（适配 MCP 客户端）
node packages/siyuan-mcp/dist/index.js
# HTTP/SSE 模式（适配 Docker 远程访问）
TRANSPORT=sse PORT=3000 node packages/siyuan-mcp/dist/index.jscat > docker/.env << 'EOF'
SIYUAN_URL=http://host.docker.internal:6806
SIYUAN_TOKEN=your-token-here
MCP_PORT=3000
LOG_LEVEL=info
TIMEOUT=10000
RETRY=3
EOF
cd docker
docker compose up -d
docker compose logs -f
curl http://localhost:3000/healthdocker build -t siyuan-mcp-server -f docker/Dockerfile .
docker run -d \
--name siyuan-mcp \
-p 3000:3000 \
-e SIYUAN_URL=http://host.docker.internal:6806 \
-e SIYUAN_TOKEN=your-token \
-e TRANSPORT=sse \
siyuan-mcp-serverstdio 模式（本地） — ~/.workbuddy/mcp.json：
{
"mcpServers": {
"siyuan": {
"command": "node",
"args": ["/path/to/siyuan-ai/packages/siyuan-mcp/dist/index.js"],
"env": {
"SIYUAN_URL": "http://127.0.0.1:6806",
"SIYUAN_TOKEN": "your-token",
"TRANSPORT": "stdio"
}
}
}
}SSE 模式（Docker/远程）：
{
"mcpServers": {
"siyuan": {
"url": "http://localhost:3000/sse",
"transport": "sse"
}
}
}同上 stdio 模式配置，配置文件路径：
Claude: ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) / %APPDATA%\Claude\claude_desktop_config.json (Windows)
Cursor: ~/.cursor/mcp.json
变量 | 默认值 | 说明 |
|
| 思源笔记 HTTP API 地址 |
| （空） | 思源 API Token（设置 → 关于中获取） |
|
| HTTP/SSE 模式监听端口 |
|
| 日志级别： |
|
| HTTP 请求超时（毫秒） |
|
| 失败重试次数 |
|
| 传输模式： |
帮我整理 CRM 项目的全部资料。→ AI 一次调用 project_context(project_name="CRM")
→ 返回完整项目上下文（设计/会议/日报/实施/待办）
客户A最近有哪些重要事项？→ AI 调用 customer_context(customer="客户A")
→ 返回：会议、报价、TODO、项目、日报 — 统一上下文
帮我整理今天会议。→ AI 调用 meeting_summary(markdown="...", save=true)
→ 自动生成：Summary / Decision / Action / Risk / Todo
→ 自动关联：项目、客户、Daily Note
还有哪些文档值得看？→ AI 调用 find_related_notes(doc_id="...")
→ 返回相关推荐（双向链接 + 标签 + 关键词）
生成今天日报 → daily_review()
生成本周周报 → weekly_review()siyuan-ai/
├── packages/
│ ├── siyuan-sdk/ # 思源 HTTP API SDK
│ │ └── src/ # auth/notebook/document/todo/search/client/errors/logger
│ │
│ └── siyuan-mcp/ # MCP Server
│ ├── src/
│ │ ├── server/ # MCP Server 核心
│ │ ├── workflows/ # ★ AI 工作流（8 个）
│ │ ├── templates/ # Prompt 模板（6 个 .md 文件）
│ │ ├── cache/ # TTL 知识缓存
│ │ ├── tools/ # Tool Schema + Handler（24 个工具）
│ │ └── transport/ # stdio + SSE 传输
│ └── test/ # 116 个测试用例
│
├── docker/ # Docker 部署
├── examples/ # 示例配置
├── package.json # v1.1.0
└── README.mdpnpm install && pnpm build # 构建
pnpm test # 运行全部 116 个测试
pnpm lint && pnpm format # 代码检查工作流工具（组合多个 SDK 调用 + 缓存 + 模板）：
在 packages/siyuan-mcp/src/workflows/ 创建 Workflow 类，继承 WorkflowBase
实现 execute() 方法
可选：在 src/templates/ 添加 Prompt 模板（.md）
在 workflows/index.ts 导出
在 tools/schemas.ts 添加 Zod schema
在 tools/definitions.ts 添加 Tool 定义
在 tools/handlers.ts 添加 handler
在 test/workflows.test.ts 添加测试
所有新增功能必须优先回答：
这是 Workflow，还是 Tool？ — 优先 Workflow
是否应该增强 Knowledge Context，而不是新增 API？ — 优先聚合
AI 是否能够一次调用完成业务目标？ — 如果不能，重新设计
Workflow 内置 TTL（Time-To-Live）内存缓存，避免 AI 在短时间内重复读取大量文档。
特性 | 说明 |
存储 | 进程内存，单例 |
键 |
|
默认 TTL | 10 秒 |
特殊 TTL | Daily Review: 30s，Weekly/Customer/Timeline: 60s |
过期策略 | 惰性删除（读取时检查） |
手动清理 |
|
未来规划 | 支持 Redis 分布式缓存 |
Prompt 模板以独立 .md 文件存储，支持 Mustache 语法。用户可直接修改，pnpm build 后重启生效。
模板文件 | 对应工具 |
|
|
|
|
|
|
|
|
|
|
|
|
Knowledge Graph Engine — 基于思源双向链接、标签、引用关系构建知识图谱。
Workflow Engine — 支持可配置的工作流编排。
workflow:
project_context:
- search
- read
- summary
- timeline
- todo不用写代码即可新增 Workflow。
Event Trigger（事件驱动） — 监听思源文档变更，自动触发：
新增会议纪要
↓
自动生成 Summary
↓
自动提取 Todo
↓
自动建立 Knowledge Graph 关联
↓
自动更新 Project Context形成自主 Agent。
Knowledge Cache 升级 — 支持 Redis 分布式缓存，跨进程共享。
RAG Integration — 引入向量检索作为增强能力，但保留 Knowledge Context 作为默认检索方式。
External Integrations — 逐步支持飞书、Outlook、GitHub、企业微信等外部系统。
在思源笔记中：设置 → 关于 → 查看 API Token。确保 HTTP API 已开启。
参考 开发 → 添加新 Workflow。核心原则：暴露业务能力，不暴露底层 API。
直接修改 packages/siyuan-mcp/src/templates/ 中的 .md 文件，pnpm build 后重启即可。支持 Mustache 语法。
使用 http://host.docker.internal:6806 而非 127.0.0.1。通过 Tailscale 访问 NAS 时使用 NAS 的 Tailscale IP。
stdio | SSE | |
使用场景 | 本地客户端 | Docker / 远程 |
传输方式 | 标准输入输出 | HTTP + SSE |
健康检查 | 无 |
|
多客户端 | 单连接 | 多连接 |
Build the best AI-native knowledge platform for SiYuan.
AI
│
▼
Workflow ← 业务编排
│
▼
Knowledge Context ← 知识上下文
│
▼
Knowledge Graph ← 知识图谱
│
▼
Business Tools ← 基础能力
│
▼
SDK ← HTTP 封装
│
▼
SiYuan ← 知识内核This project is evolving from an MCP Server into an AI Knowledge Platform.
后续所有开发都围绕这条主线进行。重点永远是：
Knowledge → Workflow → Context → Graph
不是：
SDK → CRUD → API Wrapper
MIT
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
A comprehensive Model Context Protocol (MCP) server that enables AI assistants to interact with yo…
MCP server for AI dialogue using various LLM models via AceDataCloud
Driflyte MCP server which lets AI assistants query topic-specific knowledge from web and GitHub.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/Boreastra/siyuan-MCP-sever'
If you have feedback or need assistance with the MCP directory API, please join our Discord server