obsidian mcp de dhruv

este verano estoy aprendiendo compiladores de ML + algunos conceptos de SO, así que configuré un vault de Obsidian para seguir mi aprendizaje

casualmente también quería algo más de experiencia trabajando con mcp, así que voy a crear un servidor mcp que se conecte a codex y le dé algunas pautas sobre cómo evaluar mi aprendizaje + asegurarme de que mis proyectos van por buen camino

¡estad atentos a las actualizaciones! apenas estamos empezando ☺︎

Hoja de ruta

Este proyecto es un servidor MCP local para convertir un vault de Obsidian en una interfaz estructurada de aprendizaje de compiladores.

El objetivo no es solo "que la IA pueda leer mis notas". El objetivo es construir un sistema de aprendizaje nativo de MCP real con:

• herramientas para computación y análisis

• recursos para superficies de contexto estables

• prompts para flujos de trabajo reutilizables

Estado actual

Fase 1 — Integración MCP existente

• [x] Conectar Codex a un servidor MCP de Obsidian existente

• [x] Validar el acceso básico al vault y el resumen de notas

Fase 2 — Servidor MCP local personalizado

• [x] Construir un servidor MCP en Python personalizado

• [x] Exponer herramientas iniciales:

  • [x] extract_concepts

  • [x] get_learning_gaps

  • [x] generate_study_session

  • [x] compare_notes_to_project

• [x] Registrar el servidor en Codex

• [x] Verificar con el Inspector MCP

• [x] Lograr llamadas a herramientas locales de extremo a extremo

Próximos pasos

Fase 3 — Desarrollar la interfaz MCP

Objetivo: evolucionar de una "bolsa de herramientas" a una interfaz de aprendizaje real respaldada por MCP.

3.1 Recursos

Exponer vistas estables e inspeccionables del sistema de aprendizaje.

Recursos planificados:

• [x] vault://compiler/concepts

• [x] vault://compiler/gaps

• [x] vault://compiler/recent-notes

• [x] vault://project/alignment

• [x] vault://weekly-review/latest

Por qué:

• las herramientas son buenas para acciones

• los recursos son buenos para el contexto persistente

• esto hace que el servidor se sienta más como un sistema y menos como funciones aisladas

3.2 Prompts

Añadir plantillas de flujo de trabajo reutilizables directamente a través de MCP.

Prompts planificados:

• [ ] weekly_learning_review

• [ ] generate_study_plan

• [ ] notes_vs_project_analysis

• [ ] paper_to_implementation_breakdown

Por qué:

• elimina la necesidad de recordar frases de prompt efectivas

• convierte los flujos de trabajo repetidos en interfaces de primera clase

3.3 Mejores heurísticas de análisis

Actualizar del conteo de palabras clave sin procesar a un análisis de notas más significativo.

Mejoras planificadas:

• [ ] filtrado con reconocimiento de frontmatter

• [ ] agrupación de conceptos con reconocimiento de etiquetas

• [ ] análisis con reconocimiento de recencia

• [ ] puntuación de profundidad de nota

• [ ] análisis de enlaces inversos / grafo de enlaces de notas

• [ ] mejor detección de "superficial vs profundo"

• [ ] agrupación de conceptos en lugar de solo coincidencias exactas de palabras clave

Por qué:

• las heurísticas actuales son útiles pero primitivas

• aquí es donde mejora la inteligencia real del servidor

Fase 4 — Sistema de aprendizaje de múltiples fuentes

Objetivo: comparar y sintetizar más allá de las simples notas en markdown.

Fuentes planificadas:

• [ ] Vault de Obsidian

• [ ] Repositorio(s) de proyectos locales

• [ ] Notas en papel / notas de lectura

• [ ] PDFs o resúmenes de artículos exportados

• [ ] Rastreador de proyectos ligero / archivo de tareas

Capacidades planificadas:

• [ ] comparar notas con la implementación

• [ ] comparar conceptos de artículos con brechas del proyecto

• [ ] detectar temas estudiados pero no implementados

• [ ] generar ideas de implementación a partir del aprendizaje reciente

Por qué:

• aquí es donde MCP comienza a tener un apalancamiento genuinamente alto

• el servidor se convierte en un puente entre el aprendizaje, la planificación y la construcción

Fase 5 — Integración del flujo de trabajo de Codex

Objetivo: hacer que el servidor sea fácil y natural de usar dentro de los flujos de trabajo diarios de Codex.

Trabajo planificado:

• [ ] mejorar la nomenclatura y las descripciones de las herramientas

• [ ] hacer que las salidas sean más estructuradas y predecibles

• [ ] añadir orientación en AGENTS.md sobre cuándo usar cada función de MCP

• [ ] añadir ejemplos de prompts para cada herramienta/recurso/prompt

• [ ] reducir la necesidad de frases manuales para invocar herramientas

Por qué:

• un servidor MCP potente es inútil si el host/cliente no lo usa bien

• la ergonomía importa tanto como las capacidades

Ideas futuras / ambiciosas

Muestreo

Posible dirección futura:

• [ ] permitir que el servidor solicite síntesis generada por modelos a través de muestreo MCP

Posibles casos de uso:

• [ ] autogenerar revisiones semanales

• [ ] sintetizar guías de estudio a partir de notas agrupadas

• [ ] producir resúmenes de conceptos a partir de grupos de notas

Nota: Esto no es una prioridad a corto plazo de forma intencionada. El servidor primero debe tener herramientas/recursos/prompts sólidos antes de añadir más comportamiento agéntico.

Versión remota / alojada

Posible dirección futura:

• [ ] pasar de un servidor stdio local a un servidor remoto

• [ ] soportar transporte HTTP

• [ ] añadir autenticación si es necesario

• [ ] soportar clientes más amplios más allá del uso local de Codex

Nota: Esto es comercialización, no el objetivo de aprendizaje inmediato.

Prioridades inmediatas

Prioridad 1

Implementar recursos:

• [x] conceptos

• [x] brechas

• [x] resumen de notas recientes

• [x] resumen de alineación notas/proyecto

Prioridad 2

Implementar prompts:

• [ ] revisión semanal

• [ ] sesión de estudio

• [ ] comparación notas vs proyecto

Prioridad 3

Mejorar heurísticas:

• [ ] soporte para frontmatter y etiquetas

• [ ] filtros de recencia

• [ ] mejor puntuación de profundidad

Principio rector

Este proyecto debe avanzar hacia:

una interfaz MCP real para un flujo de trabajo de aprendizaje de compiladores

y alejarse de:

un montón de funciones de análisis de notas vagamente relacionadas

Si una nueva característica no mejora uno de estos puntos, probablemente no debería añadirse:

• bucles de retroalimentación de aprendizaje

• planificación de estudio

• alineación de notas con proyectos

• flujos de trabajo de Codex reutilizables

• interfaces nativas de MCP estructuradas