llmwiki-local
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
llmwiki-local
llmwiki-local 是独立运行的本地 stdio MCP 服务,让 Codex 等客户端查询 Markdown 知识库、生成预览、确认发布,以及复制已有库并更换向量模型。无需安装 dsh。
代码最初复制自 dsh-llmwiki 的 ff44903,共享建库、存储和查询代码按固定提交同步,独立安装、独立维护。当前预览版本为 0.3.0-preview.10,通过本仓 GitHub Release 独立分发。本版让来源定向补缺在牵涉主题时沿用原主题嵌入成果继续执行;补缺核对未形成可接受结果时保留上一版提取与原判定,在构建日志登记“补缺延后”,续跑时把旧版本留下的无接受来源补缺成果恢复后重新核对;自定义提取档位的未变来源续建时不再重复提取。主题定向恢复新增显式选项 renewReviewWindow,可为核对期限已过的选中主题再授予一次 20 分钟核对窗口,从首次实际续核起算并固定保存,不增加轮次,保留已有修复稿、接受成果与费用记录。更新包后重启 MCP 服务以加载新构建。正式 0.3.0、三库补建与 AC27 查询质量验收另行记录,预览包验证不替代这些验收。适配层负责配置、模型调用与 MCP;package.json 的 repository 记录本仓发布地址,source 记录同源插件的同步依据。许可与第三方声明见 THIRD_PARTY_NOTICES.md。
1. 安装与启动
需要 Node.js ^22.19.0 || >=24.0.0 和 pnpm。本机验证使用 Node.js 24。执行:
Set-Location '<个人资料目录>\ai-projects\llm-wiki\mcp-llmwiki-local'
pnpm install --frozen-lockfile
pnpm run build
node dist/cli.js library add 'E:\资料' --name '我的资料'
node dist/cli.js library list
node dist/cli.js mcp安装为命令后同样可用 llmwiki-local mcp、llmwiki-local library add <资料目录> [--name <名称>]、library list、library remove <id>。remove 只删登记,不删文件。stdio 服务由客户端启动,stdout 只传协议,诊断日志写 stderr。
Related MCP server: KaaS
2. 配置与模型
首次启动自动生成 ~/.llmwiki-local/config.json;设置 LLMWIKI_LOCAL_HOME 可更换配置目录。文件包含 registry 与 runtime,registry 沿用上游非宿主配置字段;registry.libraries 保存库名、绝对路径、模型与 layered/queryUnderstanding 设置。停止写任务后修改配置,MCP 每次请求重新读取登记;修改 runtime 后重启服务。
配置 | 默认值与用途 |
|
|
| 256000;沿用上游已跑通建库参考的保守预算,可按选用模型调整 |
|
|
|
|
| 默认 |
|
|
|
|
| 默认 auto,亦支持 ollama、cloud、none;none 为纯全文 |
首次生成后随库策略在 data/state/policy.json(旧布局路径保持原样);停止任务后可调整 pageGenerationConcurrency 和 concurrencyLimit,范围均为 1~1000,实际生成并发默认 3,不能超过上限;嵌入供应商闸门保持 50。模型路由和供应商重试、速率设置沿用核心配置校验。
云端向量需显式选择 cloud,并设置 cloudEmbeddingUrl、cloudEmbeddingModel、cloudEmbeddingKeyEnv;最后一项填写环境变量名。查询向量默认冷态等待 10 秒、就绪后等待 2 秒,可在登记的 layered 配置中设置 queryEmbeddingColdTimeoutMs 和 queryEmbeddingTimeoutMs;超时降级不写入一分钟失败缓存,Ollama 查询超时可触发共享后台预热。已有库的向量身份绑定在库内,更换模型使用复制工具。纯全文库仍可生成来源与索引,不调用嵌入;主题组织行为沿用上游全文模式。
历史库若遗漏要点的向量引用,查询会按当前要点正文哈希查找本地缓存,并核对向量对象和完整模型身份后复用;首次查询自动刷新旧检索索引。查询只嵌入查询词,不重新计算资料向量。确实缺失或身份不符的向量仍保留覆盖提示,对应内容可通过全文检索查阅。
可用内存 | Ollama 模型建议 |
8GB 以下 |
|
16GB 左右 |
|
32GB 以上 |
|
2.1 环境变量
名称 | 用途 |
| 配置和本地作业回执目录,默认 |
| DeepSeek 官方查询理解密钥;缺失时返回降级标注 |
| 默认云端嵌入密钥变量;也可通过 |
| 由已安装 Codex CLI 读取其既有配置和登录状态;本服务不修改 |
兼容模型与嵌入服务支持在本机配置中填写 apiKey,或用 apiKeyEnv 引用进程环境变量,两者互斥。凭据不随库复制或导出,不写入工具参数、作业回执、模型提示词或日志。Codex CLI 沿用本机登录;自动化测试使用假模型,真实库只读联验单独记在项目进度。
2.2 多模型与接受恢复
registry.compatibleProviders 可登记 compatible:<名称>,指定 baseUrl、model、api(openai-completions 或 openai-responses),凭据按上节选择一种方式;registry.embeddingService 使用同一凭据约定。配置文件仍使用原有 { registry, runtime } 外层。两种协议沿用相同的模型路由和日志脱敏规则。
建库阶段策略、线路和并发配额分别来自库策略的 buildModels 与登记的 modelExecution。已接受成果、实际模型、生产记录和升级备份沿用共用核心;暂停后换模型续跑先复用已有成果。旧模型路由和 runtime 配置继续有效。
2.3 首次建库选择颗粒度
这项引导从 0.3.0-preview.2 提供。需求见FR-10,实现与验证状态见项目进度。
首次调用 wiki_generate,尚无成果或恢复任务的新库会返回 selection_required 和档位说明。客户端应先解释差异、询问用户,再携选择调用;收到待选择结果时,生成作业尚未启动。
档位 | 基础要点上限 | 覆盖深度 | 默认核对强度 |
极简 minimal | 5 | 最关键内容 | 不做额外提取、主题及矛盾核对 |
粗放 coarse | 10 | 核心内容 | 不做额外提取、主题及矛盾核对 |
适中 balanced | 25 | 重要内容,略去一般细节 | 关键提取核对、主题核对 |
标准 standard | 50 | 重要及较重要内容 | 关键提取核对、主题核对 |
细致 detailed | 75 | 重要内容和主要细节 | 全量提取、主题及矛盾核对 |
精细 fine | 100 | 尽量覆盖全部有据内容 | 全量提取、主题及矛盾核对 |
自定义 custom | 1~500 | 用户指定固定上限 | 联动不超过该上限的最高预设档位 |
上限不是必须凑足的数量;预设随长文篇幅扩为基础值的 1~4 倍,短文单包请求可能进一步收缩,自定义不扩额。越细通常调用量和耗时越高,实际取决于原文、缺口与复用结果;所有档位都不得编造原文没有的知识。表中核对强度是档位默认值,库中显式设置优先。
用户选择精细后,传入 extractionGranularity: "fine";选择自定义则同时传 extractionGranularity: "custom" 和整数 customPointLimit。已有成果或可恢复任务继续使用原颗粒度,无需重新选择;这两个首次建库参数不能用于修改已有库的档位。扫描不要求选择,登记和只读查阅也不会启动建库。
3. 在 Codex 登记 MCP
把以下示例手动合并到 ~/.codex/config.toml。示例使用当前电脑 Node.js 与构建入口的绝对路径;换电脑时替换这两个路径。本仓库不会修改用户的 Codex 配置。
[mcp_servers.llmwiki-local]
command = 'C:\Program Files\nodejs\node.exe'
args = ['<个人资料目录>\ai-projects\llm-wiki\mcp-llmwiki-local\dist\cli.js', 'mcp']
env_vars = ['DEEPSEEK_API_KEY', 'LLMWIKI_EMBEDDING_API_KEY', 'LLMWIKI_LOCAL_HOME']
startup_timeout_sec = 30
tool_timeout_sec = 120配置字段参考 Codex MCP 文档。修改后让客户端重新加载 MCP 服务。
4. 工具与操作
工具 | 用途 |
| 列出启用库与当前卡片、版本 |
|
|
| 按 root、主题、来源、章节下钻;cursor 分页 |
| 按路径或 ID 阅读,支持来源与已登记分节的 |
|
|
|
|
| 携带 jobId 与已读预览的 digest,核对版本、策略和资料后发布 |
| 按 jobId 取消后台任务或预览,已发布版本不回滚 |
|
|
| 按问题选库、读取库卡片; |
| 按 expectedRegistryRevision 登记、修改或移除库;移除保留文件,运行中禁止更改路径或移除登记 |
| 按库或发现结果回答,按来源及定位读取原文;思源返回外部回源提示 |
| 按库检查预览批次、暂停运行和显式重试主题缺口 |
MCP 共 19 个工具。旧 wiki_status(jobId)、wiki_commit、wiki_cancel 和带 target 的异步复制接口保留;wiki_status(libraryId) 可读取生产记录,复制省略 target 时使用 embeddingService。库卡片还可通过 llmwiki://libraries/{libraryId}/card 资源读取和订阅。
wiki_list_libraries 返回的 libraryId 可直接作为 wiki_search、wiki_browse、wiki_read 和 wiki_source_read 的 library;库名输入继续可用,同名库建议使用 ID。页头格式损坏的页面会从搜索和浏览中隔离,并返回降级提示或 warning;其他来源页与原文仍可读取,直接读取坏页返回格式错误。
原 library add/list/remove 命令保持。新增 libraries list/find/show/register/update/unregister、libraries groups list/save、libraries summary refresh/unlock;请求使用 --json <UTF-8 文件> 或 --json -。命令沿用原配置目录、外层和写锁,修订冲突返回退出码 3。
生成流程:登记资料 → wiki_generate → 轮询 wiki_status → includePreview=true 阅读变更 → 携带 digest 调用 wiki_commit。取消运行任务后应轮询到终态。服务重启会把失去运行进程的任务标为 interrupted;再次生成复用核心持久检查点。完成预览的 jobId 和 digest 可在重启后继续使用。
提取调用因连接、超时、上游流中断、HTTP 429 或 5xx 耗尽重试时,组级缺口标为可重试,普通建库及续跑会自动重提。其他 4xx 按状态码判为永久缺口;内容校验失败的组级缺口保留,可用 reextract=gaps 显式重试。旧缺口没有标记时按原因文本识别。
只补指定已发布来源的摘要或核对缺口时,向 wiki_generate 传 retrySources:
{
"libraryId": "<libraryId>",
"retrySources": { "sourceIds": ["S-0001"], "kinds": ["summary"] }
}sourceIds 和 kinds 均须显式非空;kinds 可选 summary、review,也可同时选择。此操作要求可写的本地 Markdown 分层库,与扫描、重提和旧库备份互斥。摘要补缺复用原分组、配额和要点;没有有效匹配成员的组留下可审计的排除原因。核对只处理尚未核实的要点,沿用有界纠正;证据或可用状态真正改变时才更新已有依赖主题及必要父页。该生成范围不启动补标、术语、标签归并、旧待办聚类或嵌入;新核实但缺少主题归属或缓存向量的点继续保留待办及覆盖缺口。
暂停后再次生成可省略 retrySources,核心继续已保存的来源和种类;传入不同范围会被拒绝。补缺期间原资料集合须保持不变,新增、修改、删除或改名会在模型派发前暂停。完成后仍按上述作业流程阅读预览并提交。未在本轮重建的主题、术语等已有页面继续保留;同一范围没有剩余缺口时再次生成不会产生模型请求或新版本。
问答允许明确返回“本次证据不足”:模型引用数组和正文引用编号都为空时,服务端只返回固定提示,不交付模型的无引用正文。有依据的部分答案仍可返回,并说明其余缺口;引用编号一致不代表事实已被自动核实。引用 Wiki 页优先使用路径和块锚点,原文定位使用来源版本与 #L;搜索正文与补读全文的页头处理不同,不能直接把摘录的 locator 当作文件物理行号。
主题核对只有在正文、成员证据和协议均未变化,且已经取得明确完成结论时复用结果;协议或传输未完成会保留检查点,按有界额度续核或暂停。
复制 target 选择 embeddingMode=ollama 并提供 localEmbeddingModel(可选 localEmbeddingUrl),或选择 cloud 并提供 cloudEmbeddingModel、cloudEmbeddingUrl、cloudEmbeddingKeyEnv。目标目录存在时拒绝覆盖,完成后自动登记副本;该工具不走预览提交。
5. 库布局与兼容
新库默认写在资料目录下 .llmwiki-qwen3-06b,其他模型形如 .llmwiki-qwen3-8b。根目录保留 wiki/、library.yaml、README.md,内部数据存放 data/ 并由 data/layout.json 标记。旧 .llmwiki/ 布局沿用;遇到旧式 Wiki 需要转换时,只在显式 legacyLibraryAction=backup 后备份处理。
资料目录内只有一个模型库时自动登记它;多个模型库时直接传入目标库目录。dsh 与本服务使用相同设备身份、写锁和版本协议:后来的写操作返回正在被占用;并发读写、撤权过滤及人工修改冲突检查沿用核心。
独立 MCP 的异步生成入口开放本地 Markdown 建库,新增来源读取、库管理与批次操作使用共用服务。思源导出、Obsidian 共管、旧式生成与维护代码保留;宿主附件注入、自动维护、keeper 和 dsh 设置页不进入本服务。依赖 dsh 客户端产物与 HTTP 模块的本地网页工作区暂不同步,管理操作使用 CLI/MCP。错误中可能保留上游“设置页/宿主”等文字。
6. 验证与同步
pnpm run typecheck
pnpm run build
pnpm test测试入口每批最多运行五个实际用例,日志与统计写入系统临时目录。当前验收结果见 项目进度,首次迁移验证保留历史基线;固定提交对照见 源仓库文件对照。同步规则见 AGENTS.md。
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Persistent memory, hybrid search and a goal graph for AI agents, over stdio or remote HTTP.
Serve a folder of Markdown notes as an MCP server: hybrid search, reading, and sourced answers.
Shared memory MCP server for Claude Code, Codex, Gemini CLI and Cursor. Cited, editable.
Remote MCP server for supportsheep: run AI interviews and manage support content for your blog.
Related MCP Servers
- FlicenseNot gradedqualityDmaintenanceEnables MCP hosts like Cursor or Claude to query an enterprise knowledge base via stdio, providing RAG-based answers with cited sources.-
- FlicenseNot gradedqualityAmaintenanceExposes a compiled Markdown knowledge base to MCP-capable coding agents through a single ask tool that returns cited answers grounded in whole wiki articles rather than embedded fragments. Supports local stdio and remote streamable-HTTP transports, with optional bearer-token authentication on the network transport.-
- AlicenseNot gradedqualityBmaintenanceEnables agents and tools to read and write a repo-local graph datastore over stdio, query it with datalog, and manage nodes such as todos, gaps, rules, and notes.1MIT
- AlicenseNot gradedqualityCmaintenanceEnables AI agents to search and manage a local Markdown memory vault over stdio, including hybrid search, note retrieval and addition, session handoff claiming, and status checks without holding a model in memory.MIT