MCP Knowledge Base Server

Ein MCP (Model Context Protocol)-Server, der KI-Assistenten — Claude Desktop, Cursor oder jeden MCP-Client — durchsuchbaren, strukturierten Zugriff auf die interne Wissensdatenbank eines Unternehmens mit Markdown-Dokumenten bietet.

Fragen Sie Ihren Assistenten „Wie stelle ich in Produktion bereit?" oder „Wie viele Urlaubstage habe ich?" und er durchsucht die Wissensdatenbank, liest die relevanten Artikel und antwortet mit Quellenangaben — statt Ihre internen Prozesse zu erfinden.

Funktionen

• 6 Tools — Stichwortsuche mit Textausschnitten, vollständiger Dokumentabruf, gefilterte Auflistung, Tag-Durchsuchung, Hot Reload und Statistiken

• 2 Ressourcentypen — durchsuchen Sie den gesamten Index oder direkt ein Dokument (kb://index, kb://documents/{doc_id})

• 1 Prompt-Vorlage — answer_from_knowledge_base verankert Antworten in Suchergebnissen und erzwingt Quellenangaben

• Null-Infrastruktur — die Wissensdatenbank ist einfach ein Ordner mit .md- Dateien mit optionalem Frontmatter; funktioniert hervorragend mit einem Git-Repo

• Zwei Transports — stdio für lokale Clients, HTTP für gemeinsame/Remote-Setups

• Wenig Abhängigkeiten — FastMCP + ein kleiner integrierter TF-IDF-ähnlicher Index; keine Datenbank, kein Embeddings-Dienst erforderlich

Related MCP server: MCP Docs Server

Architektur

┌─────────────────┐   stdio / HTTP (JSON-RPC)   ┌──────────────────────────┐
│  MCP client     │ ───────────────────────────▶ │  FastMCP server          │
│  (Claude, …)    │ ◀─────────────────────────── │  ├─ tools (search, get…) │
└─────────────────┘                              │  ├─ resources (kb://…)   │
                                                 │  └─ prompts (answer…)   │
                                                 │          │             │
                                                 │  KnowledgeBaseIndex    │
                                                 │  (tokenize → TF-IDF)   │
                                                 └──────────┬─────────────┘
                                                            │ scans
                                                 ┌──────────▼─────────────┐
                                                 │ knowledge_base/        │
                                                 │  engineering/*.md      │
                                                 │  hr/*.md  product/*.md │
                                                 └────────────────────────┘

Schnellstart

git clone <your-repo-url> mcp-knowledge-base-server
cd mcp-knowledge-base-server
pip install .

Weisen Sie den Server auf Ihre eigenen Dokumente hin (oder verwenden Sie das beiliegende Beispiel-Korpus):

export KB_DIR=/path/to/your/markdown/docs

Demo ausführen

pip install fastmcp          # only dependency the demo needs
python examples/demo_client.py

Die Demo startet den Server über stdio und übt jede Fähigkeit aus — Suche, Dokumentabruf, Auflistung, Ressourcen und den Prompt mit verankerten Antworten — und gibt dabei die exakten JSON-RPC-Payloads aus, die ein echter Client sehen würde.

Claude Desktop verbinden

Fügen Sie zu claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "knowledge-base": {
      "command": "python",
      "args": ["-m", "mcp_knowledge_base.server"],
      "env": {
        "PYTHONPATH": "/absolute/path/to/mcp-knowledge-base-server/src",
        "KB_DIR": "/absolute/path/to/mcp-knowledge-base-server/knowledge_base"
      }
    }
  }
}

Starten Sie Claude Desktop neu und fragen Sie dann: „Durchsuchen Sie unsere Wissensdatenbank — wie lautet die Rollback-Prozedur, wenn eine Bereitstellung schiefgeht?"

Über HTTP ausführen (gemeinsame/Remote-Setups)

KB_DIR=/path/to/docs mcp-knowledge-base --transport http --port 8000
# → streamable HTTP endpoint at http://127.0.0.1:8000/mcp

Dokumentformat

Jeder Ordner mit .md-Dateien funktioniert. Optionales Frontmatter reichert die Ergebnisse an:

---
title: Deploying to Production
tags: [deploy, production, runbook]
department: engineering
updated: 2025-11-02
---

# Deploying to Production
…

Die Dokument-doc_id ist ihr Pfad relativ zu KB_DIR ohne die Erweiterung (z. B. engineering/deploy-guide). Der Titel fällt auf die erste #-Überschrift zurück, dann auf den Dateinamen.

API-Referenz

Tools

Ressourcen

Prompts

Umgebungsvariablen

Projektstruktur

├── knowledge_base/            # sample corpus (replace with your own)
│   ├── engineering/*.md
│   ├── hr/*.md
│   └── product/*.md
├── src/mcp_knowledge_base/
│   ├── server.py              # FastMCP server: tools, resources, prompts
│   └── index.py               # document loading + TF-IDF-style search
├── examples/
│   └── demo_client.py         # end-to-end demo over stdio
└── pyproject.toml

Erweiterungsmöglichkeiten

• Bessere Suche: KnowledgeBaseIndex gegen Embeddings + eine Vektor-DB austauschen (die Tool-Schnittstelle bleibt identisch).

• Andere Quellen: Confluence/Notion-Exporte indizieren — alles, was als Markdown endet, funktioniert unverändert.

• Aktualität: reload_knowledge_base nach Zeitplan ausführen oder KB_DIR mit einem Dateisystem-Watcher überwachen.

Lizenz

MIT — siehe LICENSE.