"本地知识库" 标签

基于 Model Context Protocol (MCP) 的后端服务器，负责通过 JSON-RPC 向 LLM 客户端提供上下文信息与功能，包括托管和管理 Resources（资源）、注册与执行 Tools（工具），以及定义与渲染 Prompt 模板与交互模式。服务器负责会话管理、能力声明，并支持多种传输协议（如 STDIO、SSE、WebSocket），为 LLM 应用提供安全、可扩展的上下文服务框架。

基于 Model Context Protocol 的后端服务实现，提供资源管理、工具注册与调用、以及提示模板渲染等核心功能，通过 JSON-RPC 与大语言模型客户端进行标准化上下文服务交互，支持本地文件存储+向量检索等能力。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对本地目录的语义检索、索引管理与工具调用能力，支持通过 MCP 客户端以 JSON-RPC 方式交互。

基于 Model Context Protocol (MCP) 的只读 SQL 端点服务器，提供对知识单元（cells）的资源读取、向量化检索和工具/预设执行能力，并支持多种传输方式（标准输入/输出、HTTP 端口等）。

基于 Model Context Protocol (MCP) 的本地 MCP 服务器实现，提供资源管理、工具注册/执行、以及提示模板渲染等能力，供离线/本地 LLM 客户端通过 JSON-RPC 调用获取上下文、执行外部工具和渲染提示。

基于 Model Context Protocol 的 MCP 服务器实现，提供领域知识索引、知识检索以及对外暴露的查询工具，供 LLM 客户端按标准化JSON-RPC交互获取上下文信息与能力。

基于 Model Context Protocol (MCP) 的 Obsidian 知识库后端，向 MCP 兼容的 AI 客户端提供对本地 Obsidian Vault 的资源访问、工具执行与元数据渲染，并通过标准化的 JSON-RPC 协议进行通信与会话管理。

基于 Cortex 的 Model Context Protocol (MCP) 服务器实现，向 LLM 客户端提供标准化的上下文、资源与工具访问，并支持多传输协议（标准输出/HTTP+SSE），实现资源、工具、提示模板等 MCP 核心能力。

基于 Model Context Protocol (MCP) 的本地知识库后端服务器，提供资源管理、工具注册与调用、提示模板渲染等能力，并通过 JSON-RPC 与 MCP 客户端通信，支持多种传输协议以便与大语言模型进行安全、可扩展的上下文服务交互。

基于 Model Context Protocol 的服务端实现，暴露 Tiro 本地阅野库的资源、工具与交互能力，供大语言模型通过 JSON-RPC 风格的 MCP 客户端进行查询、保存网页/邮件、获取摘要等操作，并支持通过向量检索与语义关联提供上下文信息。

基于 Model Context Protocol (MCP) 的后端实现，嵌入在 voitta-rag 的 FastAPI 应用中，提供资源托管、工具执行、以及用于 LLM 的上下文/推理相关能力。服务器通过 MCP 规范暴露工具集、资源访问和元数据管理，LLM 客户端可通过 JSON-RPC 的方式对接并获取上下文与功能服务，且与本地向量存储、嵌入模型、以及文件系统等组件协同工作。

基于 Model Context Protocol (MCP) 的本地 MCP 服务器实现，提供离线文档资源管理、工具执行接口以及提示模板渲染，供大模型客户端在本地环境中进行高效、私有的上下文查询与交互。

基于 Model Context Protocol (MCP) 的后端上下文服务实现，提供资源管理、工具注册与执行、以及 Prompts 渲染等能力，通过 JSON-RPC 与客户端通信，支持标准传输（如 Stdio 传输）以提供对话上下文和外部功能的统一访问。

基于 Model Context Protocol 的 MCP 服务器，为本地知识库的 AI 客户端提供资源管理、工具执行与 Prompt 模板渲染等能力，并通过 JSON-RPC 与客户端进行通信。

基于 Model Context Protocol 的本地 MCP 服务器实现，集成到 Zotero 插件中，向 AI 客户端提供资源、工具和提示等上下文服务，并支持 Streamable HTTP 传输。

基于 Model Context Protocol（MCP）的本地后端服务器，用于将 Twos 应用导出数据以资源、工具和 Prompts 的标准化方式暴露给大型语言模型客户端（如 Claude）。服务器在本地运行，提供数据查询、工具执行、上下文提示渲染能力，支持本地隐私和可扩展的上下文服务。

ScreenshotMCP是一个智能截图管理工具，它通过本地MCP服务器将您的截图转换为可搜索、可分类的知识库，并允许AI工具通过工具调用进行交互。

这是一个基于Model Context Protocol (MCP) 的本地知识库检索增强生成（RAG）服务器，为大型语言模型（LLM）客户端提供私有文档的语义搜索、内容检索和定制化报告生成能力。

FSKB 是一个基于 Model Context Protocol (MCP) 的本地文件系统知识库服务器，它允许 AI 代理通过语义搜索和上下文管理来访问和利用代码仓库中的信息。

基于Ollama和MCP，为LLM客户端提供RAG上下文检索和工具调用能力的后端服务。

一个本地知识库 MCP 服务器，为大型语言模型提供个性化数据存储、检索和管理能力。

基于Model Context Protocol (MCP) 的高级RAG后端服务，提供文档搜索、问答和上下文管理能力。

Recall.js 作为一个轻量级RAG系统，通过MCP协议提供语义搜索工具，为LLM应用提供本地知识库的访问能力。

提供基于FAISS索引的本地知识库语义搜索能力，通过MCP协议与LLM客户端交互。

一个基于Model Context Protocol的MCP服务器，实现了本地文档的RAG (检索增强生成) 功能，支持用户查询本地Git仓库和文本文件。

Inkdrop MCP Server为LLM客户端提供访问Inkdrop笔记应用数据的能力，支持笔记检索、创建和笔记本列表等功能。

Minima MCP Server为Anthropic Claude等LLM客户端提供本地文件RAG能力，支持工具调用和Prompt定制，实现安全可扩展的上下文服务。

该项目是一个MCP服务器，通过语义搜索和RAG技术，使AI助手能够访问和检索用户的Apple Notes内容，实现本地知识库的集成。

一个简单的MCP服务器，实现了笔记管理功能，允许LLM客户端创建、读取、总结笔记，并通过工具添加新笔记。

LanceDB MCP Server 是一个基于 LanceDB 向量数据库的 MCP 服务器，为 LLM 应用提供文档检索和上下文信息查询功能。

MCP Apple Notes 是一个本地运行的MCP服务器，允许AI助手（如Claude）通过语义搜索和RAG访问和利用用户的Apple Notes数据。

Minima MCP服务器为本地RAG应用提供与LLM客户端（如Anthropic Claude）进行上下文交互的桥梁，支持资源访问、工具调用和Prompt模板。

Files Vector Store 是一个 MCP 服务器，它能够监控指定目录的文件，并对其内容进行语义索引，从而为 LLM 提供本地文件的语义搜索能力。

Obsidian Reader MCP服务器将您的本地Obsidian笔记库连接到LLM客户端，提供笔记内容读取和搜索功能，增强LLM的上下文感知能力。