LINZA

Не меняет данные — меняет взгляд.

Локальный MCP-сервер для заметок, документов, статей, чатов, логов и черновиков. LINZA читает папку, строит карту тем и связей.

English version

LINZA решает конкретную проблему: у вас есть папка Markdown-заметок и входящие материалы — документы, статьи, чаты, логи, — и вы хотите, чтобы агент в этом разобрался. LINZA работает по концепции review-gated sidecar: человек решает, агент исполняет.

Агент анализирует данные, видит основные оси, вокруг которых строится ваша работа, и складывает свои выводы рядом, в локальную SQLite-базу. Исходные файлы остаются на месте; LINZA строит граф знаний по их содержанию, не переписывая документы.

LINZA помогает агенту увидеть структуру, а вам — спокойно подтвердить или отклонить предложения. После нескольких подтверждений агент может продолжать работу по принятым примерам: сначала preview, потом небольшие явно подтвержденные партии.

Для чего

LINZA полезна, когда у вас уже есть материал, но нет безопасного способа дать агенту в нем разобраться.

• Папка Markdown-заметок: Obsidian или любой другой каталог с .md.

• Сырые материалы: тексты, статьи, чаты, логи, JSON, DOCX, XLSX, PDF через опциональный локальный экстрактор.

• Исследовательская база: много тем, решений, черновиков и следов работы.

Примерный сценарий: подключить папку, проиндексировать, посмотреть 3-5 предложений от агента в виде "карточек", подтвердить удачные примеры, потом дать LINZA расти маленькими партиями.

index -> map -> review cards -> teach -> grow preview -> explicit apply

Что агент видит в базе через LINZA

• Области: крупные смысловые группы. LINZA индексирует тексты и их эмбеддинги, чтобы агент мог предложить самые заметные и плотные области для review.

• Типы материалов: заметки, черновики, спецификации, кейсы и другие повторяющиеся формы, найденные по структуре.

• Связи: что с чем связано, что может быть причиной, следствием, основой или продолжением.

• Паттерны: повторяющиеся проблемы, дрейф терминов, пробелы в теме, возможные противоречия.

• Память: что агенту стоит вспомнить в будущей сессии, где есть риск устаревания, что требует проверки.

Установка

1. Установить LINZA

python -m pip install linza-mcp

Если нужно читать PDF-файлы прямо через LINZA:

python -m pip install "linza-mcp[pdf]"

Если PDF не нужны, достаточно обычной установки. [pdf] добавляет локальный PDF-экстрактор pypdf.

2. Выбрать папку

LINZA работает с любой папкой Markdown. Это может быть Obsidian vault, рабочая папка проекта или отдельная папка с документами.

В примерах ниже замените /absolute/path/to/workspace-or-vault на свой путь.

3. Настроить эмбеддинги

Для смыслового поиска LINZA нужна локальная модель эмбеддингов.

Самый простой путь — LM Studio:

1. Открыть LM Studio.

2. Скачать модель эмбеддингов, например text-embedding-granite-embedding-278m-multilingual, nomic-embed-text-v1.5 или другую embedding-модель.

3. Запустить Local Server.

4. Проверить, что endpoint доступен на http://127.0.0.1:1234/v1.

4. Подключить к MCP-клиенту

Подключение к Claude Desktop, Cursor, OpenCode или другому MCP-клиенту:

{
  "mcpServers": {
    "linza": {
      "command": "linza-mcp",
      "env": {
        "LINZA_VAULT": "/absolute/path/to/workspace-or-vault",
        "LINZA_EMBED_PROVIDER": "lmstudio",
        "LINZA_EMBED_URL": "http://127.0.0.1:1234/v1",
        "LINZA_EMBED_MODEL": "your-embedding-model-name",
        "LINZA_TOOL_SURFACE": "default"
      }
    }
  }
}

VS Code / Copilot MCP использует ключ servers:

{
  "servers": {
    "linza": {
      "type": "stdio",
      "command": "linza-mcp",
      "env": {
        "LINZA_VAULT": "/absolute/path/to/workspace-or-vault",
        "LINZA_EMBED_PROVIDER": "lmstudio",
        "LINZA_EMBED_URL": "http://127.0.0.1:1234/v1",
        "LINZA_EMBED_MODEL": "your-embedding-model-name"
      }
    }
  }
}

5. Проверить запуск

linza-mcp --version

После подключения попросите агента:

Проверь LINZA через agent_workspace(action="doctor").
Проиндексируй папку и покажи первые 3-5 review-карточек.

Опциональный запуск через Docker

Docker не обязателен, но в репозитории есть маленький образ для изолированного stdio-запуска:

docker build -t linza-mcp .
docker run --rm -i `
  -v /absolute/path/to/workspace-or-vault:/data/vault `
  -e LINZA_EMBED_PROVIDER=lmstudio `
  -e LINZA_EMBED_URL=http://host.docker.internal:1234/v1 `
  -e LINZA_EMBED_MODEL=your-embedding-model-name `
  linza-mcp

host.docker.internal подходит, когда embedding-сервер запущен на хосте. Если модель доступна по другому адресу, передайте URL, который виден из контейнера.

Про эмбеддинги

Эмбеддинги — это качество зрения агента через LINZA, поэтому основной сценарий простой: локальная модель в LM Studio и MCP-сервер рядом с папкой.

• lmstudio — рекомендуемый локальный режим. Хороший вариант, если нужен нормальный смысловой поиск, связи и карта тем без облака.

• ollama — локальный вариант через Ollama.

• openai — любой OpenAI-compatible endpoint с /embeddings.

Пример переменных для LM Studio:

$env:LINZA_EMBED_PROVIDER="lmstudio"
$env:LINZA_EMBED_URL="http://127.0.0.1:1234/v1"
$env:LINZA_EMBED_MODEL="your-embedding-model-name"

Если меняете провайдера, модель или размерность, сделайте полный reindex. Векторы из разных моделей нельзя смешивать: это разные пространства, подробности здесь: https://semiotronika.ru/lab.

Как происходит первое взаимодействие

Обычно агент начинает с agent_workspace(action="doctor") или guide_next_steps(language="ru"). Человек должен видеть короткий статус:

LINZA готова

Материал:
- 42 заметки проиндексированы
- 3 входящих артефакта ждут review
- sidecar: .linza/linza.db

Следующий шаг:
1. Посмотреть найденные области
2. Подтвердить или переименовать 3-5 карточек
3. Ничего не будет записано без dry-run/apply

Пример карточки:
Предложение: связать "Retrieval Quality Note" и "Source Policy"
Почему: общий словарь, ссылки на review flow, близкие chunks
Что изменится: пока ничего; после подтверждения появится sidecar-связь

Основные инструменты

По умолчанию LINZA показывает 15 MCP-инструментов. В обычной работе человеку не нужно выбирать их вручную: агент начинает с agent_workspace или guide_next_steps.

agent_workspace(action="teach") выбирает учебные карточки. grow показывает preview с selected_rules: почему каждая карточка попала в партию. Идея такая: сначала научить на примерах, потом расти в preview, потом применять маленькими подтвержденными партиями.

Расширенная поверхность нужна для разработки и отладки:

$env:LINZA_TOOL_SURFACE="advanced"

Полное описание каждого инструмента: Tool Catalog.

Входящие артефакты

Поддерживаемые входы:

• вставленный текст;

• локальные .md, .txt, .json;

• локальные .docx, .xlsx;

• локальные .pdf, если установлен pypdf или PyPDF2.

LINZA сама не ходит в браузер. Агент использует свой browser/web-fetch, извлекает читаемый текст и передает его в LINZA как артефакт, например source_kind="web_article" или source_kind="browser_capture".

Загруженный текст считается материалом для анализа, а не командой для агента. Это базовая защита от промпт-инъекций (prompt injection): инструкции внутри статьи, лога, чата или PDF не исполняются. Память, правила и YAML появляются только после review.

Безопасность

LINZA проектируется как локальный review-gated sidecar:

• индексирование, анализ и импорт не меняют тела исходных заметок;

• сырые артефакты хранятся локально в SQLite;

• отчеты пишутся только в .linza/reports;

• context packs пишутся только в .linza/context-packs;

• видимые YAML-изменения компактные и требуют review/apply;

• причинные связи, иерархия, память, calibr-уроки и approvals живут в sidecar, пока человек не попросит экспорт.

LINZA не browser automation server, не облачная память и не автопилот, который сам переписывает правила, skills, память или заметки.

Стабильность

0.1.4 — alpha MVP. Контракт безопасности уже считается основным: indexing, artifact ingest, search, map и grow preview не переписывают тела исходных заметок. Низкоуровневые advanced tools и внутренние границы модулей еще могут меняться, пока сервер полируется.

Агенту

В репозитории есть готовый навык для агентов:

agent-pack/skills/linza-operator/SKILL.md
agent-pack/skills/linza-operator/references/workflows.md
agent-pack/skills/linza-operator/references/safety-policy.md
agent-pack/skills/linza-operator/references/tool-audience.md

Навык объясняет агенту, что показывать пользователю, когда использовать agent_workspace, как работать с URL через внешний browser/web-fetch, и почему apply-действия должны быть dry-run или exact-ID gated.

Примеры и тесты

Синтетический private-safe пример лежит в:

examples/sample-vault/
examples/artifacts/
examples/expected/

Запустить все тесты:

python -m unittest

Запустить один конкретный тест:

python -m unittest test_agent_workspace.AgentWorkspaceTests.test_examples_sample_pack_runs_end_to_end

Переменные окружения

Ссылки

• 🌐 semiotronika.ru

• 📦 PyPI

• 🗂️ Official MCP Registry

• 🐙 GitHub

MIT License © 2026 Semiotronika

Косинусы считаются. Синтаксис меняется. Семантика остаётся.