智慧熔炉

铁匠徽章

强大的知识管理系统，汇聚经验、洞见和最佳实践，铸就智慧。基于 Qdrant 矢量数据库构建，实现高效的知识存储和检索。

特征

智能知识管理和检索
支持多种知识类型（最佳实践、经验教训、见解、经验）
通过环境变量配置数据库选择
使用 Qdrant 内置的 FastEmbed 实现高效的嵌入生成
领域知识存储与检索
可部署至 Smithery.ai 平台

Related MCP server: Memory MCP Server

先决条件

Node.js 20.x 或更高版本（推荐 LTS）
npm 10.x 或更高版本
Qdrant 或 Chroma 矢量数据库

安装

克隆存储库：

git clone https://github.com/hadv/wisdomforge
cd wisdomforge

安装依赖项：

npm install

基于.env.example模板在根目录下创建.env文件：

cp .env.example .env

在.env文件中配置环境变量：

必需的环境变量

数据库配置

DATABASE_TYPE ：选择您的矢量数据库（ qdrant或chroma ）
COLLECTION_NAME ：矢量集合的名称
QDRANT_URL ：您的 Qdrant 实例的 URL（使用 Qdrant 时必需）
QDRANT_API_KEY ：Qdrant 的 API 密钥（使用 Qdrant 时需要）
CHROMA_URL ：您的 Chroma 实例的 URL（使用 Chroma 时必需）

服务器配置

HTTP_SERVER ：设置为true以启用 HTTP 服务器模式
PORT ：仅用于本地开发的端口号（默认值：3000）。Smithery 云部署中不使用。

Qdrant 的示例.env配置：

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

构建项目：

npm run build

AI IDE 集成

光标 AI IDE

将此配置添加到您的~/.cursor/mcp.json或.cursor/mcp.json文件：

{
  "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"
      ]
    }
  }
}

替换配置中的以下占位符：

YOUR_API_KEY ：您的 Smithery API 密钥
YOUR_COLLECTION_NAME ：您的 Qdrant 集合名称
YOUR_QDRANT_URL ：您的 Qdrant 实例 URL
YOUR_QDRANT_API_KEY ：您的 Qdrant API 密钥

注意：请确保已安装 Node.js，并且npx已添加到 PATH 环境变量中。如果您使用的是 nvm，请在启动 Cursor 之前运行nvm use --lts ，以确保使用的 Node.js 版本正确。

克劳德桌面

在Claude的设置中添加此配置：

{
  "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"
    }
  ]
}