KSJ MCP Server

Knowledge Synthesis Journal v2.0 — KI-Begleiter

Aktuelle Version: ksj-mcp v3.6.2 · basierend auf MCP SDK v2.0.0

Verwandle Fotos deines handgeschriebenen Journals in eine durchsuchbare, KI-gestützte Wissensbasis – privat, auf deinem eigenen Rechner.

Journal holen: Knowledge Synthesis Journal v2.0 auf Amazon

Inhalt

• Was es tut

• KI-Plattformunterstützung

• Einrichtung (3 Schritte)

• Verwendung

• Verfügbare Werkzeuge

• Schema-Tag-System

• Mehrere Journale (Bände)

• Fehlerbehebung

• Datenablage

• Lizenz

Related MCP server: agrasandhany

Was es tut

Der KSJ MCP server verbindet dein Wissen – handgeschrieben oder digital – mit einem KI-Assistenten über das Model Context Protocol (MCP) – einen offenen Standard, um KI-Modelle mit lokalen Werkzeugen und Daten zu verbinden.

Physisches Journal → Wissensbasis

Fotografiere eine Journalseite, zeig sie deinem KI-Assistenten, und er kann:

• In allem suchen, was du je geschrieben hast

• Verbindungen zwischen Ideen finden (gemeinsame Tags, @-Referenzen)

• Deine offenen Fragen, wichtige Erkenntnisse und Durchbrüche aufzeigen

• Deine Wissensbasis als Markdown oder JSON exportieren

So gelangen Seiten in deine Wissensbasis – zwei Wege:

1. Assistenten-Vision (empfohlen). Teile das Foto im Chat, lass deinen Assistenten die Handschrift lesen, bestätige die Transkription, und er speichert die Seite mit manual_capture. Moderne KI-Computer-Vision ist bei Handschrift deutlich genauer als herkömmliche OCR – das ist der normale Arbeitsablauf.

2. Lokale OCR (optional). upload_capture und bulk_upload führen Tesseract auf deinem Rechner aus. Vollständig offline, aber Tesseract tut sich mit Schreibschrift schwer – am besten für gedruckten oder sehr sauberen Text.

So oder so ist eine fehlerhafte Erkennung nie endgültig: correct_ocr ersetzt den Text einer gespeicherten Erfassung und führt das Parsen, die Tags und die Verbindungen erneut aus, während die ursprüngliche Erkennung erhalten bleibt.

KI-Recherchesitzungen → strukturierte Erkenntnisse

Verbringst du eine Stunde damit, mit einem KI-Assistenten tief in ein Thema einzutauchen, verschwindet ein Großteil dieses Denkens, sobald der Chat endet. extract_insights behebt das – füge ein Sitzungstranskript ein oder leite es weiter, und der Server extrahiert, was wichtig ist:

• Neue Hypothesen und Keim-Ideen

• Unerwartete Verbindungen zwischen Konzepten

• Offene Fragen, die es wert sind, weiterverfolgt zu werden

• Getroffene Entscheidungen und Aktionspunkte

Jede Erkenntnis wird mit einem Konfidenzwert versehen (🟢 Keim / 🔴 In Entwicklung / 🟡 Stark) und dir vor der Speicherung in der Datenbank zur Überprüfung angezeigt. Genehmigte Einträge werden mit vollständiger Tag-Unterstützung zusammen mit deinen Journal-Erfassungen gespeichert, sodass KI-extrahierte Erkenntnisse in Suchen, Verbindungsgraphen und Synthese-Vorschlägen neben deinen handschriftlichen Notizen auftauchen.

KI-Begleiter – eine unabhängige Prüfung dessen, was du bereits geschrieben hast

Drei Werkzeugpaare gehen einen Schritt weiter als Suche und Verbindungen: Jedes führt einen unabhängigen KI-Durchlauf über eine Seite durch, die du bereits von Hand geschrieben hast, und erläutert dir dann die Ergebnisse, bevor etwas gespeichert wird. Immer gleiche Abfolge — Scan → strukturierter Dialog → deine Zustimmung → ein separater KI-extrahierter Eintrag. Deine Originalseite wird nie überschrieben.

• Synthese. surface_connections leitet Verbindungen im RC-Cluster hinter einer SYN-Seite neu ab – unabhängig davon, was die Seite selbst sagt – und vergleicht dann seine unabhängige Lesart mit deiner: was ihr beide gefunden habt, was es erkannt hat und du übersehen hast, was du gesehen hast, das kein Tag-Überlapp hätte aufdecken können. commit_distillation speichert, was der Vergleich offenbart hat, sobald du es genehmigst, verknüpft mit der SYN-Seite über eine distills-Kante.

• Überprüfung. audit_knowledge_status prüft einen beanspruchten Wissensstatus (Solide / Beherrscht) anhand echter Beweise, die noch im Journal vorhanden sind – offene Fragen und nicht zitierte Erkenntnisse zu diesem Thema. commit_assessment erfasst das Ergebnis mit einer assesses-Kante; der beanspruchte Status deiner REV-Seite wird nie überschrieben – eine echte Statusänderung erfolgt nur auf einer künftigen handgeschriebenen Seite.

• Traum-Erfassung. dream_correlation meldet schlichtes gemeinsames Auftreten zwischen Traumeinträgen und deinen Wach-Einträgen – bewusst als Kookkurrenz, nicht Korrelation bezeichnet, wobei die Fenstergröße, die Anzahl der Übereinstimmungen und die Basisrate immer angezeigt werden, da ein kleines Journal alles bedeutsam aussehen lassen kann. bridge_dream_research baut darauf mit einem Dialog darüber auf, was die Symbole eines Traums für dich bedeuten, und commit_observation speichert das Ergebnis mit einer observes-Kante – als Beobachtung, nicht als Inferenz bezeichnet, weil das ist, was ein Journal dieser Größe tatsächlich unterstützen kann.

Jeder dieser Schritte läuft nachdem die physische Seite existiert, nie davor – würde die Prüfung zuerst laufen, könnte die KI das Denken übernehmen, das die physische Praxis erzwingen soll. Keines hat ein Override-Flag für diese Vorbedingung, und die Dialoge selbst sind darauf ausgelegt, zu fragen, nicht vorzuschlagen: Eine Frage bringt dich zum Denken; eine vorgeschlagene Antwort bringt die KI zum Denken – an deiner Stelle.

Standardmäßig lokal. Speicherung, Suche und Verbindungen leben alle in einer SQLite-Datenbank auf deinem Rechner – nichts wird synchronisiert oder gehostet. Wenn dein KI-Assistent ein Journalfoto per Vision liest, wird dieses Bild von der Plattform deines Assistenten wie jeder andere Chat-Anhang behandelt; der lokale Tesseract-OCR-Pfad lässt alles auf deinem Rechner. Optionale Cloud-OCR für Massenimporte existiert, ist aber aus, sofern du sie nicht ausdrücklich mit deinem eigenen Schlüssel aktivierst.

KI-Plattformunterstützung

Dieser Server verwendet MCP (Model Context Protocol), einen offenen Standard mit wachsender Unterstützung in KI-Plattformen und Entwicklerwerkzeugen.

Derzeit unterstützt:

• Claude Desktop (kostenlos) – volle MCP-Unterstützung, empfohlen für den Einstieg

Andere MCP-kompatible Clients (Cursor, VS Code + GitHub Copilot und andere) können mit derselben Konfiguration verbunden werden – Details zur Einrichtung findest du in der MCP-Dokumentation deines Clients.

Du nutzt ChatGPT, Gemini oder eine andere Plattform? Verwende das Werkzeug export_captures, um deine Wissensbasis als Markdown oder JSON zu exportieren, und füge sie dann in deinen bevorzugten KI-Assistenten ein. Volle native MCP-Unterstützung für weitere Plattformen ist auf der Roadmap, sobald das Ökosystem wächst.

Protokollkonformität: ksj-mcp läuft auf dem offiziellen Python-MCP-SDK v2.0.0 über den Stdio-Transport und nutzt das klassische Initialize-Handshake-Modell des Protokolls – ausgehandelt bis Protokollrevision 2025-11-25. (MCP wird nach datierten Spezifikationsversionen versioniert, nicht nach semantischen Versionen – "MCP SDK v2.0.0" oben bezieht sich auf die eigene Versionsnummer des SDK-Pakets, nicht auf die Protokollrevision.)

Einrichtung (3 Schritte)

Keine OCR-Software nötig – dein KI-Assistent liest die Seiten. (Möchtest du auch vollständig offline OCR nutzen? Siehe Optional: Offline-OCR nach der Einrichtung.)

Schritt 1 – Einen MCP-kompatiblen KI-Client installieren

Der schnellste Weg zum Einstieg ist Claude Desktop (kostenlos unter claude.ai/download).

Für andere MCP-Clients siehe deren Dokumentation, wie du einen lokalen MCP-Server registrierst, und verwende dann die Konfiguration in Schritt 3.

Schritt 2 – uv und den KSJ-Server installieren

uv ist ein schneller Python-Paketmanager, der zum Installieren und Ausführen des KSJ-Servers verwendet wird.

uv installieren:

Überprüfe mit uv --version in einem Terminal, bevor du fortfährst.

Den KSJ-Server installieren (einmal im Terminal ausführen):

uv tool install --from git+https://github.com/ChavezAILabs/ksj-mcp ksj-mcp

Dies installiert ksj-mcp als dauerhaften Befehl auf deinem Rechner. Für diesen Schritt muss Git installiert sein (Windows: Git für Windows).

Überprüfe mit uv tool list – es sollte ksj-mcp mit einer Versionsnummer auflisten.

Für spätere Updates:

uv tool upgrade ksj-mcp

Schritt 3 – Den Server registrieren

Speicherort der Claude-Desktop-Konfigurationsdatei:

Claude Desktop startet MCP-Server mit einem eingeschränkten PATH, daher funktioniert ein bloßer Befehl "ksj-mcp" oft nicht, obwohl er im Terminal einwandfrei funktioniert – verwende stattdessen den vollständigen Pfad zur Binärdatei, die uv tool install in Schritt 2 erstellt hat:

Füge den folgenden Block hinzu (Windows-Beispiel gezeigt – verwende bei Bedarf deinen macOS/Linux-Pfad):

{
  "mcpServers": {
    "ksj": {
      "command": "C:\\Users\\<you>\\.local\\bin\\ksj-mcp.exe"
    }
  }
}

Speichere und starte deinen KI-Client neu. Du solltest ksj im Werkzeuge/Integrationen-Bereich sehen.

Optional: Offline-OCR (Tesseract)

Nur nötig, wenn du möchtest, dass upload_capture / bulk_upload Fotos vollständig auf dem Rechner lesen, statt über die Vision deines Assistenten. Vorwarnung: Tesseract liefert bei Schreibschrift schlechte Ergebnisse – gedruckter oder sehr sauberer Text funktioniert am besten.

Nach der Installation starte deinen KI-Client neu, damit der aktualisierte PATH übernommen wird.

Hinweis für Windows: Wenn du "Add to PATH" überspringst, erkennt der Server Tesseract weiterhin automatisch am Standardinstallationsort (C:\Program Files\Tesseract-OCR\).

Optional: Cloud-OCR für Massenimporte

Standardmäßig deaktiviert – nichts verlässt deinen Rechner, außer du aktivierst dies explizit.

Das Importieren eines ganzen Ordners handschriftlicher Seiten mit bulk_upload ist der einzige Bereich, in dem lokales Tesseract wirklich wehtut: Schreibschrift wird Seite für Seite zu Rauschen. Wenn du einen großen Rückstand hast, kannst du den Server auf deine eigene Azure Document Intelligence-Ressource ausrichten (etwa 9 % Wortfehlerrate bei Handschrift gegenüber etwa 95 % bei Tesseract):

{
  "mcpServers": {
    "ksj": {
      "command": "C:\\Users\\<you>\\.local\\bin\\ksj-mcp.exe",
      "env": {
        "KSJ_OCR_BACKEND": "azure",
        "KSJ_AZURE_ENDPOINT": "https://<your-resource>.cognitiveservices.azure.com",
        "KSJ_AZURE_KEY": "<your-key>"
      }
    }
  }
}

(Verwende den command-Pfad aus Schritt 3 für deine Plattform.)

Was das für deine Daten bedeutet: Jedes hochgeladene Bild wird an deine eigene Azure-Ressource (dein Abonnement, dein Schlüssel, Azures Datenbedingungen) zur Textextraktion gesendet. Sonst wird nichts irgendwohin gesendet, und deine Wissensbasis bleibt in jedem Fall lokal. Die Ausgabe jedes Uploads gibt klar an, wenn Cloud-OCR aktiv ist. Entferne KSJ_OCR_BACKEND, um zur vollständig lokalen Verarbeitung zurückzukehren.

Bei ein paar Seiten kannst du das alles überspringen – das Teilen des Fotos im Chat und das Lesen durch deinen Assistenten ist kostenlos und genauso genau.

Verwendung

Sobald du verbunden bist, sprich natürlich mit deinem KI-Assistenten.

Seiten erfassen (empfohlener Ablauf):

[Zeig ein Foto der Seite im Chat] "Lies diese Journalseite und füge sie zu meiner Wissensbasis hinzu."

"Hier ist RC-007 – transkribiere ihn, zeig mir, was du gelesen hast, und speichere ihn dann."

Erfassen per lokaler OCR (optional, benötigt Tesseract):

"Lade mein Tagebuchfoto von /Users/me/Desktop/RC-001.jpg hoch"

"Verarbeite alle Fotos in meinem Ordner /Desktop/journal-scans"

Korrektur einer fehlerhaften Erfassung:

"Der Text von Erfassung #12 ist falsch – hier ist die korrigierte Transkription: …"

Suchen & Durchsuchen:

"Suche in meinen Notizen nach Ideen zum Thema Spaced Repetition"

"Zeig mir alles mit dem Tag #machine-learning"

"Was sind meine offenen Fragen zu Analysis?"

"Zeig mir alles, was mit RC-015 verbunden ist"

Synthese & Review:

"Welche Themen bin ich bereit, zu einer SYN-Seite zu synthetisieren?"

"Zeig mir meine Zeitleiste der Durchbrüche"

"Wie schreitet mein Verständnis von #linear-algebra voran?"

"Führe surface_connections auf SYN-004 aus" → unabhängiger Scan des RC-Clusters dahinter, dann ein Dialog, der das Gefundene mit dem vergleicht, was du geschrieben hast

"Prüfe REV-008 gegen die Evidenz" → prüft seinen beanspruchten Wissensstatus gegen offene Fragen und nicht zitierte Erkenntnisse, die zu diesem Thema noch vorliegen

Traum-Erfassung:

"Welche Symbole und Themen tauchen in meinen Träumen immer wieder auf?"

"Zeig mir alle meine Traum-Einträge von diesem Monat"

"Taucht #flying in der Nähe meiner Wach-Einträge auf?" → reine Ko-Okkurrenz-Zählungen, immer mit angezeigtem Zeitfenster, Trefferzahl und Basisrate

"Verknüpfe DC-005 mit meiner Forschung" → prüft auf domänenübergreifende Echos und fragt dann, was die Symbole des Traums für dich bedeuten (schlägt niemals eine Deutung vor)

Export & Gesundheit:

"Exportiere alle Erfassungen mit Tag #ai als Markdown"

"Erstelle ein Lernkarten-Deck aus meinen offenen Fragen"

"Wie sieht meine Tagebuch-Praxis aus?"

"Gib mir eine durchsuchbare Ansicht meiner gesamten Wissensbasis" → schreibt eine eigenständige .html-Datei — Zeitleiste (mit Datumsbereichssuche und einer Nachladen-Funktion, die 25 Einträge auf einmal lädt), Tag-/Entitäts-Index, Verbindungslisten pro Erfassung und einen egozentrischen Verbindungsgraphen (klicke auf einen Tag-Cluster oder eine Erfassung, um die lokale Nachbarschaft zu sehen; klicke auf einen beliebigen Nachbarn, um neu zu zentrieren) — du kannst sie in jedem Browser öffnen, kein Server oder Installation erforderlich

Verfügbare Tools

Alle 36 unten aufgeführten Tools wurden im Rahmen des Ship-Readiness-Passes für v3.6.0 einzeln getestet (mit echten Daten und Fehleingabe-Fällen). Dabei wurde ein Skalierungsproblem gefunden und behoben: export_study_deck konnte bei einer sehr großen Wissensbasis viel zu viele verbundene Erkenntnisse auf einer einzigen Lernkarte zusammenführen – jetzt wird nach Verbindungsstärke sortiert und begrenzt.

Tagebuch-Tools

KI-Sitzungstools

Schema-Tag-System

Verwenden Sie diese Präfixe überall auf Ihren Journalseiten – der Server extrahiert sie automatisch.

RC-, SYN- und REV-Seiten:

DC- (Dream Capture) Seiten verwenden eine traumspezifische Variante:

Drei Dinge, die der Server damit automatisch macht:

• Rollen. Dasselbe Zeichen bedeutet auf DC-Seiten etwas anderes als auf RC-/SYN-/REV-Seiten (! ist auf RC eine Priorität, auf DC ein wiederkehrendes Motiv). Der Server speichert die Bedeutung zusammen mit dem Zeichen, sodass beim Durchsuchen nach Tags unterschieden werden kann – fragen Sie nach „Prioritätselementen“ vs. „Traummotiven“.

• Entitäten. Ein @-Wert, der keine Vorlagen-ID ist (@Veronica, @the-old-house), wird zu einer benannten Entität – durchsuchbar über jede Erfassung und jeden Journalband. Traumsymbole und Geschichtenfiguren sind dieselbe Art von Objekt.

• Tag-Blasen. Alles, was in die gedruckten Tag-Blasen geschrieben wird, gilt als Tag, mit oder ohne #. DOG MAN, Dog-Man und DOG-MAN werden alle zu demselben Tag normalisiert.

Mehrere Journale (Bände)

Ein Journal beendet und ein zweites begonnen? Das neue Buch beginnt wieder bei RC-001 – das ist normal. Jedes physische Journal ist ein Band, und Band 2 setzt die Wissensbasis von Band 1 fort: Die Suche umfasst alle Bände, und bandübergreifende Verbindungen sind normal.

Wenn Sie ein neues Buch beginnen, sagen Sie es einmal:

„Ich beginne mein zweites Journal“ → der Assistent führt set_volume(current_volume=2) aus

Oder schreiben Sie den Band auf die Seite selbst (z. B. V2 neben die Vorlagen-ID), oder übergeben Sie volume=2 bei einem einzelnen Upload. Falls ein Upload mit einer vorhandenen Seiten-ID kollidiert, fragt der Server, ob es sich um ein neues Journal oder eine erneute Erfassung handelt – nichts wird jemals stillschweigend überschrieben.

Fehlerbehebung

„Tesseract OCR ist nicht installiert“

Sie haben upload_capture/bulk_upload aufgerufen, die die optionale lokale OCR-Engine benötigen. Installieren Sie entweder Tesseract (Optional: Offline-OCR) und starten Sie Ihren KI-Client neu – oder überspringen Sie es ganz: Teilen Sie das Foto im Chat und bitten Sie Ihren Assistenten, die Seite stattdessen zu lesen und zu speichern.

„Als UNIDENTIFIED gespeichert“

Die Vorlagen-ID konnte nicht aus dem Foto gelesen werden, aber die Seite und ihr Text wurden trotzdem gespeichert – nichts geht verloren. Teilen Sie Ihrem Assistenten die korrekte ID mit („das ist RC-007“), und er korrigiert sie mit identify_capture. Schlampige oder nicht aufgefüllte IDs (RC-7, RC-OO2, ein überzähliger Buchstabe nach der Zahl) werden automatisch mit einem Bestätigungshinweis gelesen.

OCR hat den Text falsch erkannt

Bitten Sie Ihren Assistenten, den Text mit correct_ocr zu korrigieren – geben Sie ihm die Erfassungsnummer und den korrigierten Text. Die ursprüngliche Lesart bleibt erhalten, und Tags und Verbindungen werden aus der Korrektur neu aufgebaut.

„RC-001 ist bereits in Ihrer Wissensbasis vorhanden“

Sie laden eine bereits gespeicherte Seite erneut hoch. Um sie durch das neue Foto zu ersetzen (z. B. nach einem saubereren erneuten Foto), bitten Sie Ihren KI-Assistenten, mit force=True hochzuladen:

„/path/to/RC-001.jpg mit force=True hochladen“

„Servertransport unerwartet geschlossen“ / Server startet nicht

Führen Sie in einem Terminal uv tool list aus – es sollte ksj-mcp mit einer Versionsnummer auflisten. Wenn es fehlt, führen Sie den Installationsbefehl aus Schritt 2 erneut aus. Wenn es installiert ist, liegt das Problem wahrscheinlich an der Konfiguration von Claude Desktop – überprüfen Sie, ob es gültiges JSON ist und ob command der vollständige Pfad zur ksj-mcp-Binärdatei ist (siehe Schritt 3), nicht nur "ksj-mcp".

Server wird nicht im Werkzeugbereich angezeigt

Bestätigen Sie, dass uv tool list ksj-mcp als installiert anzeigt, prüfen Sie, ob die Konfigurationsdatei gültiges JSON ist, und starten Sie Claude Desktop nach dem Speichern von Konfigurationsänderungen neu. Sobald die Verbindung hergestellt ist, bitten Sie Ihren Assistenten, das get_version-Werkzeug zu verwenden – das bestätigt, dass der Server tatsächlich läuft und erreichbar ist, nicht nur installiert.

Datenspeicherort

Alle Ihre Erfassungen werden lokal in ~/.ksj-mcp/ gespeichert:

Dateien:

~/.ksj-mcp/captures.db     (SQLite database — all your captures and tags)
~/.ksj-mcp/images/         (copies of uploaded journal photos)

Ihre Daten werden nie irgendwohin gesendet und bleiben über Updates hinweg erhalten. Schema-Upgrades werden beim Serverstart automatisch ausgeführt; vor dem ersten 3.0-Start wird Ihre Datenbank in captures.db.bak-v3 im selben Ordner gesichert.

Benutzerdefinierter Speicherort: Setzen Sie die Umgebungsvariable KSJ_DATA_DIR in Ihrer Konfiguration, um Daten woanders zu speichern:

{
  "mcpServers": {
    "ksj": {
      "command": "C:\\Users\\<you>\\.local\\bin\\ksj-mcp.exe",
      "env": {
        "KSJ_DATA_DIR": "C:\\Users\\you\\Documents\\ksj-data"
      }
    }
  }
}

(Verwenden Sie für Ihre Plattform den command-Pfad aus Schritt 3.)

Lizenz

MIT – kostenlos nutzbar, veränderbar und teilbar.

Erstellt von Chavez AI Labs LLC paul@chavezailabs.com

Journal holen: Knowledge Synthesis Journal v2.0 (Amazon)