Obsidian MCP Learning System
dhruvs obsidian mcp
ich arbeite diesen sommer daran, ML-Compiler + einige OS-Konzepte zu lernen, also habe ich einen Obsidian-Vault eingerichtet, um meinen Lernfortschritt zu verfolgen
zufälligerweise wollte ich auch mehr Erfahrung mit MCP sammeln, also werde ich einen MCP-Server erstellen, der sich mit Codex verbindet und ihm einige Hinweise gibt, wie er mein Lernen bewerten kann + sicherstellen, dass meine Projekte auf dem richtigen Weg sind
bleibt dran für Updates! wir fangen gerade erst an ☺︎
Roadmap
Dieses Projekt ist ein lokaler MCP-Server, um einen Obsidian-Vault in eine strukturierte Compiler-Lernumgebung zu verwandeln.
Das Ziel ist nicht nur "KI kann meine Notizen lesen." Das Ziel ist der Aufbau eines echten MCP-nativen Lernsystems mit:
Tools für Berechnung und Analyse
Ressourcen für stabile Kontextoberflächen
Prompts für wiederverwendbare Workflows
Related MCP server: research-memory-mcp
Aktueller Status
Phase 1 — Bestehende MCP-Integration
[x] Verbindung von Codex mit einem bestehenden Obsidian MCP-Server
[x] Validierung des grundlegenden Vault-Zugriffs und der Notiz-Zusammenfassung
Phase 2 — Benutzerdefinierter lokaler MCP-Server
[x] Aufbau eines benutzerdefinierten Python MCP-Servers
[x] Bereitstellung erster Tools:
[x]
extract_concepts[x]
get_learning_gaps[x]
generate_study_session[x]
compare_notes_to_project
[x] Registrierung des Servers in Codex
[x] Überprüfung mit dem MCP Inspector
[x] Funktionierende End-to-End lokale Tool-Aufrufe
Als Nächstes
Phase 3 — Ausbau der MCP-Schnittstelle
Ziel: Entwicklung von einer "Ansammlung von Tools" zu einer echten MCP-gestützten Lernoberfläche.
3.1 Ressourcen
Bereitstellung stabiler, inspizierbarer Ansichten des Lernsystems.
Geplante Ressourcen:
[x]
vault://compiler/concepts[x]
vault://compiler/gaps[x]
vault://compiler/recent-notes[x]
vault://project/alignment[x]
vault://weekly-review/latest
Warum:
Tools sind gut für Aktionen
Ressourcen sind gut für persistenten Kontext
Dies lässt den Server eher wie ein System wirken und weniger wie einmalige Funktionen
3.2 Prompts
Hinzufügen wiederverwendbarer Workflow-Vorlagen direkt über MCP.
Geplante Prompts:
[ ]
weekly_learning_review[ ]
generate_study_plan[ ]
notes_vs_project_analysis[ ]
paper_to_implementation_breakdown
Warum:
Entfernt die Notwendigkeit, sich gute Prompt-Formulierungen zu merken
Macht wiederholte Workflows zu erstklassigen Schnittstellen
3.3 Bessere Analyse-Heuristiken
Upgrade von einfachem Keyword-Zählen zu aussagekräftigerer Notiz-Analyse.
Geplante Verbesserungen:
[ ] Frontmatter-bewusste Filterung
[ ] Tag-bewusste Konzeptgruppierung
[ ] Aktualitätsbewusste Analyse
[ ] Notiz-Tiefenbewertung
[ ] Backlinks / Notiz-Link-Graph-Analyse
[ ] Bessere "flach vs. tief"-Erkennung
[ ] Konzept-Clustering statt nur exakter Keyword-Treffer
Warum:
Aktuelle Heuristiken sind nützlich, aber primitiv
Hier verbessert sich die tatsächliche Intelligenz des Servers
Phase 4 — Multi-Quellen-Lernsystem
Ziel: Vergleich und Synthese über mehr als nur Markdown-Notizen hinweg.
Geplante Quellen:
[ ] Obsidian-Vault
[ ] lokales Projekt-Repo(s)
[ ] Papiernotizen / Lesenotizen
[ ] PDFs oder exportierte Zusammenfassungen von Papieren
[ ] Leichtgewichtiger Projekt-Tracker / Task-Datei
Geplante Fähigkeiten:
[ ] Vergleich von Notizen mit der Implementierung
[ ] Vergleich von Papierkonzepten mit Projektlücken
[ ] Erkennung von Themen, die gelernt, aber nicht umgesetzt wurden
[ ] Generierung von Implementierungsideen aus dem kürzlich Gelernten
Warum:
Hier beginnt MCP, wirklich einen hohen Hebel zu bieten
Der Server wird zur Brücke zwischen Lernen, Planen und Bauen
Phase 5 — Codex-Workflow-Integration
Ziel: Den Server einfach und natürlich in täglichen Codex-Workflows nutzbar machen.
Geplante Arbeiten:
[ ] Verbesserung der Tool-Benennung und -Beschreibungen
[ ] Strukturiertere und vorhersehbarere Ausgaben
[ ] Hinzufügen von AGENTS.md-Anleitungen zur Verwendung der einzelnen MCP-Funktionen
[ ] Hinzufügen von Beispiel-Prompts für jedes Tool/Ressource/Prompt
[ ] Reduzierung der Notwendigkeit für manuelle Tool-Aufruf-Formulierungen
Warum:
Ein leistungsstarker MCP-Server ist nutzlos, wenn der Host/Client ihn nicht gut verwendet
Ergonomie ist genauso wichtig wie Fähigkeiten
Zukunft / Stretch-Ideen
Sampling
Potenzielle zukünftige Richtung:
[ ] Dem Server erlauben, modellgenerierte Synthese durch MCP-Sampling anzufordern
Mögliche Anwendungsfälle:
[ ] Automatische Generierung wöchentlicher Reviews
[ ] Synthese von Studienführern aus gruppierten Notizen
[ ] Erstellung von Konzeptzusammenfassungen aus Notiz-Clustern
Hinweis: Dies ist absichtlich keine kurzfristige Priorität. Der Server sollte zuerst über starke Tools/Ressourcen/Prompts verfügen, bevor weiteres agentisches Verhalten hinzugefügt wird.
Remote / gehostete Version
Potenzielle zukünftige Richtung:
[ ] Wechsel von lokalem stdio-Server zu Remote-Server
[ ] Unterstützung von HTTP-Transport
[ ] Hinzufügen von Authentifizierung bei Bedarf
[ ] Unterstützung breiterer Clients über die lokale Codex-Nutzung hinaus
Hinweis: Dies ist Produktisierung, nicht das unmittelbare Lernziel.
Unmittelbare Prioritäten
Priorität 1
Implementierung von Ressourcen:
[x] Konzepte
[x] Lücken
[x] Zusammenfassung aktueller Notizen
[x] Zusammenfassung der Notizen/Projekt-Ausrichtung
Priorität 2
Implementierung von Prompts:
[ ] Wöchentliches Review
[ ] Lernsitzung
[ ] Vergleich Notizen vs. Projekt
Priorität 3
Verbesserung der Heuristiken:
[ ] Frontmatter- und Tag-Unterstützung
[ ] Aktualitätsfilter
[ ] Bessere Tiefenbewertung
Leitprinzip
Dieses Projekt sollte sich in Richtung:
eine echte MCP-Schnittstelle für einen Compiler-Lernworkflow
und weg von:
einem Haufen lose zusammenhängender Notiz-Analysefunktionen
bewegen. Wenn ein neues Feature keines dieser Ziele verbessert, sollte es wahrscheinlich nicht hinzugefügt werden:
Lern-Feedbackschleifen
Studienplanung
Notizen-zu-Projekt-Ausrichtung
Wiederverwendbare Codex-Workflows
Strukturierte MCP-native Schnittstellen
This server cannot be deployed
Maintenance
Related MCP Connectors
Markdown-based note-taking with a hosted MCP server. Your notes serve you and your AI.
Hosted MCP server connecting claude.ai, ChatGPT and other AI apps to your own computer
An MCP server that gives your AI access to the source code and docs of all public github repos
Personal knowledge base MCP server with semantic search, auto-categorization, metadata extraction
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceAn MCP server that treats Obsidian vaults as knowledge graphs, enabling AI agents to traverse wikilinks, assemble token-budgeted context, and search with backlink awareness.31MIT
- AlicenseNot gradedqualityCmaintenanceAn MCP server that provides controlled read/write tools for managing local-first research memory in an Obsidian vault, enabling AI agents to maintain project context across sessions.141MIT
- AlicenseNot gradedqualityDmaintenanceExtends the official Obsidian MCP server with intelligent learning and second-brain features, including AI-generated challenges, progress analytics, spaced repetition, and knowledge gap analysis.MIT
- AlicenseAqualityAmaintenanceAn MCP server that turns any compatible AI agent into a Zettelkasten partner for creating atomic notes, forming semantic links, detecting clusters, and synthesizing insights from your existing knowledge.191MIT