AI Sticky Notes MCP Server

一个 MCP 服务器，让 AI 助手能够保存、读取和总结个人笔记。笔记存储在与服务器同目录的本地 notes.txt 文件中。

功能特性

• add_note 工具：追加一条新笔记。

• read_notes 工具：读取所有已保存的笔记。

• notes://latest 资源：获取最近添加的笔记。

• note_summary_prompt 提示词：创建一条包含当前笔记的提示词，用于总结。

Related MCP server: Sticky Notes MCP Server

环境要求

• Python 3.12 或更高版本

• pip 或 uv

本地运行

使用 uv

uv sync
uv run python main.py

使用 pip

创建并激活虚拟环境，然后安装依赖项：

python -m venv .venv
.venv\Scripts\Activate.ps1
pip install -r requirements.txt
python main.py

服务器通过 MCP stdio 进行通信，因此通常由兼容 MCP 的客户端启动，而不是直接在浏览器中打开。

测试服务器

安装 MCP CLI 后，使用以下命令启动 MCP Inspector：

mcp dev main.py

使用 Inspector 调用 add_note、read_notes，打开 notes://latest 资源，并运行 note_summary_prompt。

您也可以直接验证 Python 模块和语法：

uv run python -c "import main; print('MCP server import ok')"
uv run python -m py_compile main.py

使用 Smithery 部署

仓库包含 smithery.yaml，它配置 Smithery 使用以下命令启动服务器：

startCommand:
	type: stdio
	command: python
	args: ["main.py"]

将部署文件推送到 GitHub 仓库，并通过 Smithery 部署该仓库。重要文件包括：

• main.py

• requirements.txt

• smithery.yaml

notes.txt 是可选的，因为服务器会在需要时自动创建它。仅当您希望附带示例笔记时才需要包含它。

使用 Docker 运行

构建并启动随附的镜像：

docker build -t ai-sticky-notes .
docker run --rm -i ai-sticky-notes

项目结构

main.py          MCP server implementation
requirements.txt Python dependencies
smithery.yaml    Smithery stdio startup configuration
Dockerfile       Container build configuration
notes.txt        Local note storage, created automatically if absent

存储说明

笔记存储在纯文本文件中。这适用于本地使用和演示，但托管容器在重启或重新部署后可能无法保留该文件。持久化的生产级存储应使用外部数据库或持久卷。