dhruv 的 Obsidian MCP

今年夏天我正在学习机器学习编译器和一些操作系统概念，所以我建立了一个 Obsidian 知识库来跟踪我的学习进度。

巧合的是，我也想获得更多使用 MCP 的经验，所以我打算创建一个 MCP 服务器，将其连接到 Codex，并为它提供一些关于如何评估我的学习情况以及确保我的项目走在正确轨道上的指导。

敬请期待更新！我们才刚刚开始 ☺︎

路线图

本项目是一个本地 MCP 服务器，旨在将 Obsidian 知识库转变为结构化的编译器学习界面。

目标不仅仅是“让 AI 读取我的笔记”。 目标是构建一个真正的 MCP 原生学习系统，包含：

• 工具：用于计算和分析

• 资源：用于稳定的上下文呈现

• 提示词：用于可重用的工作流

Related MCP server: research-memory-mcp

当前状态

第一阶段 — 现有的 MCP 集成

• [x] 将 Codex 连接到现有的 Obsidian MCP 服务器

• [x] 验证基本的知识库访问和笔记摘要功能

第二阶段 — 自定义本地 MCP 服务器

• [x] 构建自定义 Python MCP 服务器

• [x] 公开初始工具：

  • [x] extract_concepts

  • [x] get_learning_gaps

  • [x] generate_study_session

  • [x] compare_notes_to_project

• [x] 在 Codex 中注册服务器

• [x] 使用 MCP Inspector 进行验证

• [x] 实现端到端的本地工具调用

下一步计划

第三阶段 — 充实 MCP 界面

目标：从“工具包”演变为一个真正的、由 MCP 支持的学习界面。

3.1 资源

公开学习系统稳定且可检查的视图。

计划中的资源：

• [x] vault://compiler/concepts

• [x] vault://compiler/gaps

• [x] vault://compiler/recent-notes

• [x] vault://project/alignment

• [x] vault://weekly-review/latest

原因：

• 工具适合执行操作

• 资源适合持久化上下文

• 这使得服务器感觉更像一个系统，而不是一次性的函数集合

3.2 提示词

直接通过 MCP 添加可重用的工作流模板。

计划中的提示词：

• [ ] weekly_learning_review

• [ ] generate_study_plan

• [ ] notes_vs_project_analysis

• [ ] paper_to_implementation_breakdown

原因：

• 无需记住复杂的提示词措辞

• 将重复的工作流转化为一流的界面

3.3 更好的分析启发式方法

从原始的关键词计数升级为更有意义的笔记分析。

计划中的改进：

• [ ] 支持元数据（frontmatter）过滤

• [ ] 支持标签感知的概念分组

• [ ] 支持近因感知的分析

• [ ] 笔记深度评分

• [ ] 反向链接 / 笔记链接图分析

• [ ] 更好的“浅层与深层”检测

• [ ] 概念聚类，而不仅仅是精确的关键词匹配

原因：

• 当前的启发式方法很有用，但比较原始

• 这是服务器实际智能提升的地方

第四阶段 — 多源学习系统

目标：不仅限于 Markdown 笔记，还要跨多个来源进行比较和综合。

计划中的来源：

• [ ] Obsidian 知识库

• [ ] 本地项目仓库

• [ ] 纸质笔记 / 阅读笔记

• [ ] PDF 或导出的论文摘要

• [ ] 轻量级项目跟踪器 / 任务文件

计划中的功能：

• [ ] 比较笔记与实施情况

• [ ] 比较论文概念与项目差距

• [ ] 检测已学习但未实践的主题

• [ ] 根据最近的学习生成实施想法

原因：

• 这是 MCP 开始发挥真正高杠杆作用的地方

• 服务器成为学习、规划和构建之间的桥梁

第五阶段 — Codex 工作流集成

目标：使服务器在日常 Codex 工作流中易于使用且自然。

计划中的工作：

• [ ] 改进工具命名和描述

• [ ] 使输出更结构化和可预测

• [ ] 添加 AGENTS.md 指南，说明何时使用每个 MCP 功能

• [ ] 为每个工具/资源/提示词添加示例

• [ ] 减少对手动工具调用措辞的需求

原因：

• 如果宿主/客户端使用不当，强大的 MCP 服务器也毫无用处

• 人机工程学与功能同样重要

未来 / 扩展想法

采样

潜在的未来方向：

• [ ] 让服务器通过 MCP 采样请求模型生成的综合内容

可能的用例：

• [ ] 自动生成每周回顾

• [ ] 从分组笔记中综合学习指南

• [ ] 从笔记集群中生成概念摘要

注意： 这并非近期优先事项。 服务器应先具备强大的工具/资源/提示词，然后再增加更多的智能体行为。

远程 / 托管版本

潜在的未来方向：

• [ ] 从本地 stdio 服务器迁移到远程服务器

• [ ] 支持 HTTP 传输

• [ ] 根据需要添加身份验证

• [ ] 支持除本地 Codex 使用之外的更广泛的客户端

注意： 这是产品化，而非当前的即时学习目标。

即时优先事项

优先级 1

实现资源：

• [x] 概念

• [x] 差距

• [x] 最近笔记摘要

• [x] 笔记/项目对齐摘要

优先级 2

实现提示词：

• [ ] 每周回顾

• [ ] 学习会话

• [ ] 笔记与项目比较

优先级 3

改进启发式方法：

• [ ] 元数据和标签支持

• [ ] 近因过滤器

• [ ] 更好的深度评分

指导原则

本项目应朝着以下方向发展：

为编译器学习工作流提供真正的 MCP 界面

而不是：

一堆松散相关的笔记分析函数

如果一项新功能不能改善以下任何一点，则可能不应添加：

• 学习反馈循环

• 学习规划

• 笔记与项目的对齐

• 可重用的 Codex 工作流

• 结构化的 MCP 原生界面