How do I use KMind MCP Server?

1. Click on "Deploy Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@KMind MCP Server search my Claude Code sessions for PostgreSQL deadlock fixes" 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.

KMind MCP Server

by VinderDiesel

Overview Schema Source Related Servers Discussions Admin

TypeScript

Local

KMind

你的 AI 编程工具会忘记一切，KMind 不会。

Local-first, AI-native knowledge compounding system.
Unify Claude Code, Cursor, Qoder, Codex & Kiro sessions into a queryable knowledge graph via MCP.

Node License MCP GitHub Stars

问题：AI 编程工具正在制造「知识黑洞」

你花了两小时在 Claude Code 里解决了一个 PostgreSQL advisory lock 死锁问题。三周后，在 Cursor 中再次遇到类似场景，一切从零开始。

知识随会话消亡 — 每次 AI 编程会话都在产生知识，但绝大多数被丢弃。
知识孤岛 — Claude Code 的架构决策，Cursor 不知道；Codex 的踩坑记录，Qoder 无法访问。
数据主权缺失 — 多数方案将知识锁在云端，无法导出、无法审计。

KMind 的答案：本地优先、多终端统一、AI 原生的知识复利系统。

Related MCP server: MCP Memory Server

核心特性

特性	说明
多终端插件式接入	Adapter 模式接入 Claude Code、Cursor、Qoder、Codex、Kiro，新增终端通常少于 200 行
会话自动捕获	从 AI 编程会话中提取知识候选，无需手动整理
七类知识资产	问题解决方案、最佳实践、架构设计、工具使用、踩坑记录、代码片段、流程规范
知识图谱 + 本体	实体 / 概念 / 关系自动提取，本体 Schema 可扩展、可演化
混合检索	全文 + 结构化 + 图谱遍历 + 语义向量，四路融合排序
数据本地化	Markdown + SQLite，零云端依赖，可用 Git 做版本管理
快速迁移	一键导出 / 导入 `tar.gz`
MCP 原生	作为 MCP Server 运行，支持 MCP 的 AI 工具即插即用

快速开始

环境要求

Node.js 20+
pnpm 9+（本仓库使用 pnpm workspace）

从源码安装（当前推荐）

git clone https://github.com/VinderDiesel/KMind.git
cd KMind
pnpm install
pnpm build

pnpm build（以及已有 dist 时的 pnpm install）会自动把 CLI 链到全局：

符号链接：~/.local/bin/kmind → packages/cli/dist/index.js
并尽量执行 pnpm link --global（@kmind/cli）

之后可在任意目录直接使用：

kmind --help
kmind init          # 默认 Vault：~/.kmind

若提示找不到命令，把 ~/.local/bin 加入 PATH（zsh 示例）：

echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.zshrc && source ~/.zshrc

仓库内仍可用：pnpm kmind <command> 或 pnpm link:cli 手动重链。

接入 AI 编程工具（MCP + Skills 一键装）

kmind adapters list

# 写入该终端的 MCP，并把 kmind-capture 等 Skills 装到 ~/.…/skills（全局，任意项目可用）
kmind adapters install cursor
kmind adapters install claude-code
kmind adapters install qoder
kmind adapters install codex
kmind adapters install kiro

# 或一次装到所有已支持终端
kmind skills install --all

# 仅装到当前仓库（便于团队 git 共享）
kmind skills install cursor --project

装完后重启对应 AI 终端（Claude Code 可用 /reload-skills）。规范 Skills 源在仓库 skills/；也可用社区工具 npx skills add <repo> 发现同目录。

启动 MCP Server

日常用法：adapters install 后由 Cursor / Claude Code 自动按需拉起 stdio MCP，一般不必手动常驻。

手动后台（HTTP，本机调试 / 多客户端探测）：

kmind mcp-serve --daemon          # 后台 → http://127.0.0.1:7822/mcp
kmind mcp-serve --status
kmind mcp-serve --stop

前台调试：

kmind mcp-serve --http            # HTTP 前台
kmind mcp-serve --stdio           # 强制 stdio 前台（管道场景）

在 AI 工具的 MCP 配置中添加（按本机路径调整；stdio，由客户端拉起）：

{
  "mcpServers": {
    "kmind": {
      "command": "node",
      "args": ["/absolute/path/to/KMind/packages/cli/dist/index.js", "mcp-serve"]
    }
  }
}

adapters install 会把当前 CLI 的绝对路径写入对应终端的 MCP 配置（node …/packages/cli/dist/index.js mcp-serve）；也可按上面手动配置。

开始使用

在 Claude Code / Cursor 等工具中直接对话，例如：

「搜索我之前关于 PostgreSQL 死锁的踩坑记录」
「把这次架构决策沉淀到 KMind」
「查找与 Redis 持久化相关的所有知识」

根因防线（写不进库，而不是事后洗库）：

Session 双闸门：compileSessions=false 且未设 KMIND_COMPILE_SESSIONS=1 时，raw/sessions/ 永不升知识
管线质量闸：明细 + 一卡一事 + 禁止 project=global；架构/流程须代码锚点
增量默认挂图：project 已有资产时，capture 必须 related/links 接到总览或邻卡（用户不必再说「写详细/挂关系」）
标题 sanitize + lint session_pollution

写入约定见 Skill kmind-capture（首次四阶段 / 增量五步，深度为默认）。Skills：kmind-capture、kmind-code-bridge。

或用 CLI：

kmind capture "PostgreSQL advisory lock 死锁，改用 Redis 解决" --type pitfall --title "advisory lock 死锁"
kmind capture "后续 ADR" --type architecture_design --title "ADR 002" --related k-2026-10-19-001
kmind search "k-2026-10-19-001"   # 精确 id
kmind purge-sessions --dry-run    # 清理 session 噪声前先预览
kmind lint

架构概览

┌─────────────────────────────────────────────────────────────┐
│                   AI 编程终端层                              │
│  Claude Code │ Cursor │ Qoder │ Codex │ Kiro │ ...          │
└──────────────────────┬──────────────────────────────────────┘
                       │ MCP Protocol
┌──────────────────────┼──────────────────────────────────────┐
│                 KMind Core Engine                            │
│                                                              │
│  ┌────────────────────────────────────────────────────┐     │
│  │           MCP Server Layer (统一接口)               │     │
│  │  search │ capture │ related │ graph_query │ status  │     │
│  └────────────────────────┬───────────────────────────┘     │
│                           │                                  │
│  ┌────────────────────────┼───────────────────────────┐     │
│  │         Adapter Registry (插件式接入)               │     │
│  │  Claude │ Cursor │ Qoder │ Codex │ Kiro │ Custom   │     │
│  └────────────────────────┬───────────────────────────┘     │
│                           │                                  │
│  ┌────────────────────────┼───────────────────────────┐     │
│  │          知识编译管线 (Knowledge Compiler)          │     │
│  │  Capture → Classify → Ontology Map → Graph Build   │     │
│  └────────────────────────┬───────────────────────────┘     │
│                           │                                  │
│  ┌────────────────────────┼───────────────────────────┐     │
│  │             存储层 (Storage Layer)                  │     │
│  │  Markdown (Git-friendly) │ SQLite (rebuildable)    │     │
│  │  Ontology YAML (extensible)                        │     │
│  └────────────────────────────────────────────────────┘     │
└──────────────────────────────────────────────────────────────┘

三层数据模型

层	职责	可变性
Raw	原始会话记录、技术文章、PDF、代码快照	不可变事实基准
Knowledge	AI 编译产物：知识资产页 + 实体/概念页 + 双向链接	可审核、可演化
Index	SQLite FTS + 向量 + 图谱索引	可经 `kmind reindex` 重建

包结构：cli / mcp-server → @kmind/core → Vault（~/.kmind）；adapters 仅依赖公开接口。

更多说明见 docs/ARCHITECTURE.md。

CLI 命令

全局选项：--vault <path>、--json。

命令	说明
`kmind init`	初始化 Vault
`kmind compile`	将 raw 会话编译为知识资产
`kmind search <query>`	混合检索
`kmind capture <content>`	手动捕获知识（`--related` / `--anchors`）
`kmind purge-sessions`	删除 session 编译出的资产（保留 manual + raw）
`kmind lint`	健康检查（含 coverage 浅卡/重复总览）
`kmind coverage --project <p>`	覆盖率验收（`--topic` / `--hub-id`）；`complete=false` 禁止宣称已完整
`kmind export --output <path>`	导出 Vault（`tar.gz` / `git`；`--project` / `--type`；`--init-git`）
`kmind import --input <path>`	导入（`--merge` + `--conflict skip\|overwrite\|rename`；git 目录或 tar.gz）
`kmind reindex`	从 Markdown 重建 SQLite 索引
`kmind mcp-serve`	MCP：IDE 用 stdio；`--daemon` 后台 HTTP
`kmind ui`	打开本地只读知识 UI（`127.0.0.1:7821`）
`kmind adapters list`	列出适配器
`kmind adapters install <name>`	为指定终端写入 MCP 配置
`kmind hook <event>`	生命周期 Hook 入口

本地知识 UI（M5）

pnpm build
kmind ui
# 或指定焦点：kmind ui --focus k-2026-01-01-001

浏览器打开后可切换 Ego / Global：Ego 为 3D 邻域（默认 hop=2，节点上限 150）；Global 为全库图谱（默认上限 300，可按 project 过滤）。右侧 HUD 含全库健康仪表盘（按规则筛选、点击告警进入焦点）与焦点邻域健康。problem 节点弱高亮。仅绑定 127.0.0.1，API 只读。

知识资产类型（9 类）

资产类型	触发沉淀的时机	示例
问题 `problem`	可跟踪的未解问题（症状/复现/验收）	JOIN 路径丢失导致 NO_JOIN_PATH
实施结果 `outcome`	方案落地后的验证证据	样例4 AskTrace 已通过
问题解决方案 `problem_solution`	针对 problem 的可执行方案（`links.solves`）	改投影策略避免维值钉死
最佳实践	形成可复用约定后	异步任务必须设置超时与重试上限
架构设计	完成架构决策后	选择事件驱动而非请求-响应的理由
工具使用	工具配置/技巧沉淀后	`.cursorrules` 中显式声明测试命令
踩坑记录	重复踩坑后	MCP 工具在 Windows 下路径解析异常
代码片段	可复用实现出现后	带指数退避的重试装饰器
流程规范	团队流程固化后	提交前必须 lint + typecheck + 单测

问题闭环：solution -[:solves]-> problem，outcome -[:verifies]-> problem；用 kmind_problem_status 看 open / addressed / verified。

MCP 工具

工具	效果级别	说明
`kmind_search`	read	混合检索（传资产 id 则精确命中；manual 加权）
`kmind_get`	read	按精确 id 取回单条资产
`kmind_related`	read	按图谱查找关联知识
`kmind_status`	read	Vault 健康状态
`kmind_ontology_describe`	read	描述本体结构
`kmind_capture`	write	手动捕获（明细闸门；总览子卡过浅拒写；回执含 `coverage`）
`kmind_coverage`	read	深度 vs 目录：整理某系统后必须验收，search 命中 ≠ 完整
`kmind_problem_status`	read	问题是否已解决（solves + verifies）
`kmind_graph_query`	sensitive	类 Cypher 图谱查询
`kmind_export`	sensitive	导出知识库
`kmind_import`	sensitive	导入知识库（merge + 冲突策略）

详见 docs/MCP_TOOLS.md。

数据存储

默认路径 ~/.kmind/，完全本地、Git 友好：

~/.kmind/
├── knowledge/          # 知识资产（Markdown，源真相）
│   ├── projects/
│   └── global/
├── raw/                # 原始会话（不可变）
├── ontology/
│   └── ontology.yaml
├── index/              # SQLite 索引（可重建）
└── config.yaml

迁移：

kmind export --output backup.tar.gz
kmind import --input backup.tar.gz

Monorepo 包

包	说明
`@kmind/cli`	命令行入口
`@kmind/core`	存储 / 本体 / 编译 / 检索 / 健康检查
`@kmind/mcp-server`	MCP Server
`@kmind/shared`	共享类型与工具
`@kmind/adapter-*`	Claude Code / Cursor / Qoder / Codex / Kiro
`@kmind/ui`	本地只读 Web UI（图谱 + 健康）

适配器开发

实现 Adapter 接口即可接入新终端：

export class MyAdapter implements Adapter {
  name = 'my-terminal';
  version = '1.0.0';

  async detect(): Promise<boolean> { /* ... */ }
  async getSessionPaths(): Promise<string[]> { /* ... */ }
  async parseSession(path: string): Promise<SessionRecord> { /* ... */ }
  getMcpConfig(): McpConfigTemplate { /* ... */ }
}

详见 docs/ADAPTER_GUIDE.md。

开发

git clone https://github.com/VinderDiesel/KMind.git
cd KMind
pnpm install
pnpm build
pnpm test
pnpm typecheck

技术栈：TypeScript · Node.js 20+ · pnpm monorepo · SQLite（node:sqlite）· MCP SDK · Zod · Vitest

Roadmap

M1：核心引擎（存储 + 本体 + 图谱 + MCP Server）
M2：首个适配器（Claude Code）+ 自动捕获 + 七类分类
M3：多终端适配器（Cursor / Qoder / Codex / Kiro）+ Registry
M4：导出/导入增强 + Git 集成（联邦另开）
M4b：多实例联邦
M5：知识健康可视化 + 图谱可视化（kmind ui：3D ego / global + 健康仪表盘；v1.0 另议）

This server cannot be deployed

Shareable, User-Owned Context BackendPeople, applications, and agents read, write, and coordinate together in one context lake. Reach it over MCP, a CLI, a Python SDK, or REST.fulcradynamics.comAd

Maintenance

ActivityMaintained

ResponsivenessNo issues

Resources

Related MCP Connectors

AgentDrive B
sh.agentdrive
Cross-agent artifact workspace with provenance across Claude Code, Codex, Cursor, LangGraph.
Agent Orchestration Developer Tools
222
https://mcp.agentdrive.sh/mcp
recordari A
io.recordar.api
Persistent knowledge graph for AI-augmented teams. Store decisions, findings, and standing rules across agent sessions with semantic search and typed connections. Includes cross-session memory, audit trail, workspace isolation, and secret detection. Built for teams running agents that need to remember. Free until launch with team tier as default, anon trial available.
Databases Knowledge & Memory Security
163
https://api.recordar.io/mcp
Renor AOAuth
io.github.patrickpassosb
Private memory for AI agents: save and recall facts across Claude Code, Codex, Cursor and ChatGPT.
Knowledge & Memory AI & Machine Learning
24110
https://mcp.renor.cloud/mcp
TeamShared C
io.github.xhad
Shared memory for coding agents. Stop re-explaining your codebase every session.
Knowledge & Memory Developer Tools
1821
https://teamshared.com/mcp

Related MCP Servers

context-mcp
Knowledge & Memory Code Analysis
vibhasdutta
A
license
A
quality
C
maintenance
Provides persistent memory and a codebase knowledge graph for AI coding assistants, enabling shared context across multiple tools like Claude, Cursor, and ChatGPT, with significant token reduction.
Updated 3 months ago (2026-07-25 05:02 UTC)
5
28 npm
MIT
MCP Memory Server
Knowledge & Memory RAG Systems
beach55607-max
A
license
Not graded
quality
D
maintenance
Provides long-term memory for AI coding agents, enabling them to remember, search, and organize information across sessions and platforms like Claude Code, ChatGPT, and Cursor.
Updated 7 months ago (2026-04-05 16:22 UTC)
16 npm
8
MIT
eng-server
Knowledge & Memory RAG Systems Developer Tools
mohdaman892
A
license
A
quality
C
maintenance
Enables AI coding sessions to store consented facts, edges, and provenance in a local SQLite graph and recall only the relevant connected neighborhood needed to resume work. It preserves decisions, constraints, and failures across chats without replaying entire transcripts.
Updated 25 days ago (2026-09-30 09:19 UTC)
12
Apache 2.0
Threadnote
Knowledge & Memory Code Analysis Developer Tools
threadnote
A
license
B
quality
A
maintenance
Local-first engineering memory and code-graph tools for coding agents. Supports private session handoffs, code-cited knowledge, repository graph inspection, and optional Git-backed team sharing.
Updated 17 hours ago (2026-10-24 13:38 UTC)
25
8 npm
26
AGPL 3.0