knowledgelib.io

KI-Wissensbibliothek — strukturierte, zitierte Wissenseinheiten für KI-Agenten. Vorab verifizierte Antworten, die Token sparen, Halluzinationen reduzieren und jede Quelle zitieren.

Was ist das?

1.564 Wissenseinheiten in 16 Domänen (Unterhaltungselektronik, Software, Geschäftsstrategie, ERP-Integration, Compliance, Energie, Finanzen und mehr). Jede Einheit beantwortet eine kanonische Frage mit:

• Konfidenzwerten (0,0-1,0) gemäß veröffentlichter Methodik

• Inline-Quellenangaben aus 5-8 maßgeblichen Quellen

• Aktualitätsverfolgung mit verifizierten Daten und zeitlicher Gültigkeit

• Qualitätsstatus — verifiziert, prüfungsbedürftig (needs_review) oder unzuverlässig

• Wissensgraph — verwandte Einheiten mit typisierten Kanten

Ein API-Aufruf ersetzt 5 Websuchen und 8.000 Token an Parsing.

Schnellstart

MCP-Server (Claude, Cursor, Windsurf)

npx knowledgelib-mcp

Oder füge dies zu claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "knowledgelib": {
      "command": "npx",
      "args": ["knowledgelib-mcp"]
    }
  }
}

MCP über HTTP (keine Installation erforderlich)

POST https://knowledgelib.io/mcp

Streambarer HTTP-Transport, JSON-RPC 2.0, MCP-Spezifikation 2025-03-26.

REST-API

# Search
curl https://knowledgelib.io/api/v1/query?q=best+wireless+earbuds+under+150

# Batch search (up to 10 queries)
curl -X POST https://knowledgelib.io/api/v1/batch \
  -H "Content-Type: application/json" \
  -d '{"queries":[{"q":"earbuds"},{"q":"headphones"}]}'

# Get full unit
curl https://knowledgelib.io/api/v1/units/consumer-electronics/audio/wireless-earbuds-under-150/2026.md

# Health check
curl https://knowledgelib.io/api/v1/health

LangChain (Python)

pip install langchain-knowledgelib

from langchain_knowledgelib import KnowledgelibRetriever
retriever = KnowledgelibRetriever()
docs = retriever.invoke("best wireless earbuds")

n8n

npm install n8n-nodes-knowledgelib

MCP-Tools

Alle schreibgeschützten Tools sind gemäß MCP-Spezifikation 2025-03-26 mit readOnlyHint: true und idempotentHint: true gekennzeichnet, was eine parallele Ausführung durch Agenten ermöglicht.

API-Funktionen

• Strukturierte Fehlercodes mit Wiederholungs-Flag und retry_after_ms

• ETag / If-None-Match Caching (304 Not Modified)

• Korrelations-IDs (X-Request-Id-Header in allen Antworten)

• Qualitätsstatus (verifiziert / prüfungsbedürftig / unzuverlässig) bei allen Ergebnissen

• Verwandte Einheiten für die Navigation im Wissensgraphen

• Inhaltsvorschauen (150-Zeichen-Zusammenfassungen ohne Abruf der vollständigen Einheit)

• Token-Budgetierung (total_tokens über alle Ergebnisse hinweg)

• Ratenbegrenzung bei Schreib-Endpunkten (10 Vorschläge/Std., 20 Feedback/Std.)

• Zod-Validierung mit feldspezifischen Fehlermeldungen

Entitätstypen

Entdeckung

• /llms.txt — Klartext-Leitfaden für LLMs

• /llms-full.txt — Vollständiger Index aller Fragen

• /.well-known/ai-knowledge.json — Maschinenlesbares Manifest

• /catalog.json — Vollständiger Katalog mit Metadaten

• /for-agents — Integrationsleitfaden

Links

• Website: https://knowledgelib.io

• npm: https://www.npmjs.com/package/knowledgelib-mcp

• PyPI: https://pypi.org/project/langchain-knowledgelib/

• HTTP MCP: https://knowledgelib.io/mcp

• OpenAPI: https://knowledgelib.io/api/v1/openapi.json

• GPT Actions: https://knowledgelib.io/.well-known/openapi-gpt.json

Lizenz

CC BY-SA 4.0