지혜의 전당

대장간 배지

경험, 통찰력, 그리고 모범 사례를 바탕으로 지혜를 구축하는 강력한 지식 관리 시스템입니다. 효율적인 지식 저장 및 검색을 위해 Qdrant 벡터 데이터베이스를 기반으로 구축되었습니다.

특징

지능형 지식 관리 및 검색
다양한 지식 유형(모범 사례, 얻은 교훈, 통찰력, 경험) 지원
환경 변수를 통한 구성 가능한 데이터베이스 선택
효율적인 임베딩 생성을 위해 Qdrant의 내장 FastEmbed를 사용합니다.
도메인 지식 저장 및 검색
Smithery.ai 플랫폼에 배포 가능

Related MCP server: Memory MCP Server

필수 조건

Node.js 20.x 이상(LTS 권장)
npm 10.x 이상
Qdrant 또는 Chroma 벡터 데이터베이스

설치

저장소를 복제합니다.

지엑스피1

종속성 설치:

npm install

.env.example 템플릿을 기반으로 루트 디렉토리에 .env 파일을 만듭니다.

cp .env.example .env

.env 파일에서 환경 변수를 구성하세요.

필수 환경 변수

데이터베이스 구성

DATABASE_TYPE : 벡터 데이터베이스( qdrant 또는 chroma )를 선택하세요
COLLECTION_NAME : 벡터 컬렉션의 이름
QDRANT_URL : Qdrant 인스턴스의 URL(Qdrant를 사용하는 경우 필수)
QDRANT_API_KEY : Qdrant의 API 키(Qdrant를 사용하는 경우 필수)
CHROMA_URL : Chroma 인스턴스의 URL(Chroma를 사용하는 경우 필수)

서버 구성

HTTP_SERVER : HTTP 서버 모드를 활성화하려면 true 로 설정합니다.
PORT : 로컬 개발 전용 포트 번호(기본값: 3000). Smithery 클라우드 배포에는 사용되지 않습니다.

Qdrant에 대한 .env 구성 예:

DATABASE_TYPE=qdrant
COLLECTION_NAME=wisdom_collection
QDRANT_URL=https://your-qdrant-instance.example.com:6333
QDRANT_API_KEY=your_api_key
HTTP_SERVER=true
PORT=3000  # Only needed for local development

프로젝트를 빌드하세요:

npm run build

AI IDE 통합

커서 AI IDE

~/.cursor/mcp.json 또는 .cursor/mcp.json 파일에 다음 구성을 추가합니다.

{
  "mcpServers": {
    "wisdomforge": {
      "command": "npx",
      "args": [
        "-y",
        "@smithery/cli@latest",
        "run",
        "@hadv/wisdomforge",
        "--key",
        "YOUR_API_KEY",
        "--config",
        "{\"database\":{\"type\":\"qdrant\",\"collectionName\":\"YOUR_COLLECTION_NAME\",\"url\":\"YOUR_QDRANT_URL\",\"apiKey\":\"YOUR_QDRANT_API_KEY\"}}",
        "--transport",
        "ws"
      ]
    }
  }
}

구성에서 다음 자리 표시자를 바꾸세요.

YOUR_API_KEY : Smithery API 키
YOUR_COLLECTION_NAME : Qdrant 컬렉션 이름
YOUR_QDRANT_URL : Qdrant 인스턴스 URL
YOUR_QDRANT_API_KEY : Qdrant API 키

참고: Node.js가 설치되어 있고 PATH에 npx 가 있는지 확인하세요. nvm을 사용하는 경우 Cursor를 시작하기 전에 nvm use --lts 실행하여 올바른 Node.js 버전을 사용하고 있는지 확인하세요.

클로드 데스크탑

Claude의 설정에 다음 구성을 추가합니다.

{
  "processes": {
    "knowledge_server": {
      "command": "/path/to/your/project/run-mcp.sh",
      "args": []
    }
  },
  "tools": [
    {
      "name": "store_knowledge",
      "description": "Store domain-specific knowledge in a vector database",
      "provider": "process",
      "process": "knowledge_server"
    },
    {
      "name": "retrieve_knowledge_context",
      "description": "Retrieve relevant domain knowledge from a vector database",
      "provider": "process",
      "process": "knowledge_server"
    }
  ]
}