Skip to main content
Glama
deenesjakoruzh
dyyz1993

Knowledge Base MCP

by dyyz1993
OverviewSchemaSourceRelated ServersDiscussionsAdmin
TypeScript
Hybrid

Knowledge Base MCP

Ein projektübergreifender Knowledge-Base-MCP-Server, der eine dreistufige Suche (Textabgleich / TF-IDF / semantische Vektoren) unterstützt und eine Web-UI zur Verwaltung bietet.

Funktionen

  • 8 MCP-Tools — kb_write / kb_read / kb_search / kb_search_semantic / kb_list / kb_delete / kb_update / kb_outline

  • Dreistufige Sucharchitektur — P0 Textabgleich + P1 TF-IDF + P2 mehrsprachige semantische Vektoren, gewichtete Fusionssortierung

  • Mehrsprachige semantische Suche — Basierend auf paraphrase-multilingual-MiniLM-L12-v2, unterstützt sprachübergreifende Suche in über 50 Sprachen

  • Zwei Übertragungsmodi — Stdio (lokaler MCP-Client) + HTTP (StreamableHTTP / SSE / REST API)

  • Web UI — Vite 6 + React 18 + Zustand + Tailwind + Ant Design

Related MCP server: RAG MCP Server

Schnelleinstieg

npx One-Click-Start (empfohlen)

Kein Klonen des Repositorys erforderlich, einfach ausführen:

# Stdio 模式
npx @dyyz1993/kb-mcp --stdio

# HTTP 模式
npx @dyyz1993/kb-mcp --http --port 19877

Globale Installation (optional)

npm install -g @dyyz1993/kb-mcp
kb-mcp --stdio

Aus dem Quellcode bauen

git clone https://github.com/dyyz1993/knowledge-base-mcp.git
cd knowledge-base-mcp
bun install

Bei der ersten Verwendung der semantischen Suche muss das Embedding-Modell vorab heruntergeladen werden:

bun run -e '
import { pipeline, env } from "@huggingface/transformers"
import { join } from "node:path"
import { homedir } from "node:os"
env.localModelPath = join(homedir(), ".cache/huggingface/local-models")
env.allowLocalModels = true
await pipeline("feature-extraction", "Xenova/paraphrase-multilingual-MiniLM-L12-v2", { dtype: "fp32" })
console.log("Model downloaded")
'

Wenn das Modell nicht heruntergeladen wird, ist die semantische Suche (P2) nicht verfügbar, aber der Textabgleich (P0) und TF-IDF (P1) funktionieren weiterhin normal.

OpenCode-Konfiguration

Stdio-Modus (empfohlen für lokale Nutzung)

Bearbeiten Sie ~/.config/opencode/opencode.json und fügen Sie Folgendes unter mcp.servers hinzu:

{
  "mcp": {
    "servers": {
      "knowledge-base": {
        "type": "local",
        "command": ["npx", "@dyyz1993/kb-mcp", "--stdio"]
      }
    }
  }
}

Kein manueller Start erforderlich, OpenCode verwaltet den Prozesslebenszyklus automatisch.

StreamableHTTP-Modus (Remote-Server)

Starten Sie zuerst den Dienst:

npx @dyyz1993/kb-mcp --http --port 19877

Konfiguration:

{
  "mcp": {
    "servers": {
      "knowledge-base": {
        "type": "streamable-http",
        "url": "http://your-server:19877/mcp"
      }
    }
  }
}

SSE-Modus (ältere Clients)

{
  "mcp": {
    "servers": {
      "knowledge-base": {
        "type": "sse",
        "url": "http://your-server:19877/sse"
      }
    }
  }
}

Web UI

# 先启动 HTTP 服务
npx @dyyz1993/kb-mcp --http --port 19877

# 启动 Web UI
cd web
bun install
bun run dev

Besuchen Sie http://localhost:5180, API-Anfragen werden automatisch an :19877 weitergeleitet.

MCP-Tools

Tool

Beschreibung

kb_write

Speichert Wissensdokumente, unterstützt Metadaten wie Tags, Schlüsselwörter, Quellprojekte usw.

kb_read

Liest Dokumentinhalte, automatische Kürzung ab 50 Zeilen

kb_search

Mehrdimensionale Suche nach Text + Schlüsselwörtern + Tags

kb_search_semantic

Semantische Vektorsuche, unterstützt sprachübergreifende Suche

kb_list

Durchsuchen der Dokumentenliste, Filterung nach Tags oder Projekten

kb_delete

Löscht Dokumente, aktualisiert den Index synchron

kb_update

Aktualisiert Dokumenttext, Titel, Tags, Schlüsselwörter

kb_outline

Ruft die Dokumentgliederung für ein angegebenes Projekt ab

kb_write Parameter

{
  title: string              // 文档标题
  content: string            // 正文（Markdown）
  tags: string[]             // 标签：tutorial / document / analysis / guide / snippet / best-practice / reference / architecture / troubleshooting / decision
  keywords: string[]         // 关键词，用于检索
  intent: string             // 创建意图或使用场景
  project_description: string // 当前项目简要描述
  source_project?: string    // 来源项目路径（自动填充）
  source_worktree?: string   // 来源 worktree 路径（自动填充）
}

REST API

Die folgenden Endpunkte sind nur im HTTP-Modus verfügbar.

Methode

Pfad

Beschreibung

GET

/health

Gesundheitsprüfung

GET

/api/docs

Alle Dokumente auflisten

GET

/api/doc/:id

Bestimmtes Dokument lesen

POST

/api/search

Umfassende Suche (dreistufige Fusion)

POST

/api/search/semantic

Semantische Suche

GET

/api/outline?project=...

Projektgliederung abrufen

Sucharchitektur

查询 → ┌─ P0: 文本匹配（标题/关键词/意图） ──── 权重 0.2
       ├─ P1: TF-IDF（加权词频 + 余弦相似度） ── 权重 0.3
       └─ P2: 语义向量（384维 embedding + 余弦相似度） ── 权重 0.5
         ↓
       加权融合 → 排序返回 TopK

Ebene

Algorithmus

Merkmale

Szenario

P0

Teilstring-Abgleich + Feldgewichtung

Präzise, schnell

Bekannte Schlüsselwörter

P1

TF-IDF + Kosinus-Ähnlichkeit

Chinesische Bigram-Segmentierung, gewichtete Felder

Fuzzy-Matching

P2

multilingual-MiniLM + Kosinus-Ähnlichkeit

Sprachübergreifender semantischer Abgleich (50+ Sprachen)

Natürlichsprachliche Abfragen

kb_search verwendet P0, kb_search_semantic verwendet P2, HTTP /api/search verwendet die dreistufige Fusion.

Speicherstruktur

Alle Daten werden unter ~/.knowledge/ gespeichert (kann über die Umgebungsvariable KB_DIR angepasst werden):

~/.knowledge/
├── index.json              # 文档索引
├── vectors.json            # 语义向量缓存
├── outlines/               # 项目大纲
│   └── {project-slug}.json
├── {id}-{title-slug}.md    # 文档文件（YAML frontmatter + Markdown 正文）
└── ...

Beispiel für eine einzelne Dokumentdatei:

---
id: "abc123xyz"
title: "React Hooks 最佳实践"
tags: ["best-practice"]
keywords: ["react", "hooks", "useEffect"]
intent: "React 开发中 hooks 的常见模式和陷阱"
project_description: "前端组件库项目"
source_project: "/Users/x/project-frontend"
created_at: 1746012345678
---

## 使用 useEffect 的注意事项
...

Testen

bun test

Umgebungsvariablen

Variable

Standardwert

Beschreibung

KB_DIR

~/.knowledge

Speicherverzeichnis der Wissensdatenbank

PORT

19877

Port für den HTTP-Modus (auch über --port Parameter verfügbar)

Lizenz

MIT

This server cannot be deployed

Context All Your Agents Can ShareAgents share what they learn, hand off work, and hold it when you switch models. Start with 5 GB free.fulcradynamics.comAd

Maintenance

ActivityInactive
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • fund-mcp

    xiaobenyang-com
    A
    license
    C
    quality
    D
    maintenance
    A fund knowledge base server based on Model Context Protocol (MCP), providing query and retrieval functions of fund-related knowledge, and supporting multiple deployment modes and protocols.
    3
    2
    Apache 2.0

  • RAG MCP Server

    sglwsjxh
    A
    license
    Not graded
    quality
    C
    maintenance
    A RAG knowledge base MCP server that adds vector search and reranking capabilities to opencode, supporting multimodal embeddings, multiple knowledge bases, and local storage.
    1
    MIT

  • knowledge-mcp

    gilanggsb
    A
    license
    A
    quality
    B
    maintenance
    Vendor-neutral MCP server for knowledge retrieval across repositories, offering stable tools for searching, getting, and listing documents with hybrid lexical and optional semantic search.
    3
    MIT