Notebook Library MCP Server

MCP搜索检索

提供方 clotho2

搜索检索 stdio · 本地进程 Token 社区 / 第三方
查看接入方式

为AI代理提供高效的分块、嵌入和索引文档的语义搜索功能,适用于本地文档管理。

一句话选型结论

按资料字段整理

Notebook Library MCP Server 属于搜索检索类 MCP 服务器,stdio · 本地进程,Token,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类搜索检索 传输方式stdio · 本地进程 鉴权Token 部署方式本地部署
GitHub 星标 1 仓库热度,无公开仓库时显示未标注
工具数 8 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

搜索检索
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量8暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

语义搜索Python本地部署文档管理本地处理AI工具向量数据库

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
pip install -r mcp_servers/notebook_library/requirements.txt

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 8 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
联网搜索取证

让模型查最新资料并给出出处。

资料聚合

把一个主题的网页、文档集中抓回来整理。

情报与竞品检索

按关键词持续检索行业动态和竞品信息。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 8 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在搜索检索场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Notebook Library MCP Server当前 8 stdio · 本地进程 本地部署 有 2026-05-17
Brave Search 433812ff 2 未标注 未标注 无 2026-05-17
Sequentialthinking 1 SSE · 服务端推送 远程部署 有 2026-05-18
Baidu Netdisk 未标注 未标注 未标注 无 2026-05-17
ragflow 未标注 stdio · 本地进程 本地部署 有 2026-04-11
mindsdb (430e18) 未标注 未标注 未标注 有 2026-05-17

服务器档案

搜索检索
字段来自项目仓库与公开索引,中文说明由本站标注
提供方clotho2上游标注的维护方 clotho2
分类搜索检索本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式Token远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

7.5 KB
来自项目仓库与上游目录的原文,未做删改

笔记本库MCP服务器

用于底物AI代理的令牌高效文档检索。将PDF、文本文件和markdown放入笔记本文件夹中——它们会被分块、嵌入和索引以进行语义搜索。查询只返回最相关的段落(约2500个标记),而不是加载整个文档(50000+)。

它的作用

您的AI代理将获得 notebook_library 工具执行以下操作:

动作 描述
list_notebooks 查看所有可用笔记本
create_notebook 创建新的笔记本收藏
query_notebook 笔记本中的语义搜索(最主要的!)
browse_notebook 在笔记本中列出文档
read_document 逐块深度读取特定文档
notebook_stats 获取笔记本的统计信息
sync_notebook 添加/更改文件后重新同步
remove_document 从搜索索引中删除文档

支持的文件格式: .pdf, .txt, .md, .text, .markdown

建筑```

data/
├── notebooks/ # Your document folders
│ ├── Research_Papers/ # Each subfolder = one notebook
│ │ ├── paper1.pdf
│ │ └── notes.md
│ └── Business_Docs/
│ └── plan.txt
└── notebook_chromadb/ # Vector database (auto-created)
└── manifests/ # File change tracking

mcp_servers/
└── notebook_library/
├── server.py # MCP server (if running standalone)
├── notebook_manager.py # Core: ChromaDB ingestion + search
├── document_processor.py # Text extraction + chunking
├── file_watcher.py # Auto-ingestion on file changes
└── requirements.txt

backend/tools/
├── notebook_library_tool.py # Tool wrapper for consciousness loop
└── notebook_library_tool_schema.json # Tool schema definition


**嵌入策略(多层回退):**

1. **奥拉玛** (`nomic-embed-text`)--如果HF失败,则进行本地回退

不需要外部API密钥。一切都在本地运行。

## 安装指南

### 1.安装依赖项

从您的基质根:```bash
pip install -r mcp_servers/notebook_library/requirements.txt

关键依赖关系:

  • chromadb==0.4.18 --矢量数据库
  • transformers + torch --拥抱面部嵌入(初级)
  • ollama --嵌入回退
  • PyMuPDF --PDF文本提取
  • watchdog --文件系统监控

> 注: 第一次运行将下载拥抱脸嵌入模型(约270MB)。这是一次性下载。

2.创建数据目录```bash

mkdir -p data/notebooks
mkdir -p data/notebook_chromadb


### 3.复制MCP服务器文件

复制整个 `mcp_servers/notebook_library/` 目录到您的基板:```
your_substrate/
└── mcp_servers/
└── notebook_library/
├── __init__.py
├── server.py
├── notebook_manager.py
├── document_processor.py
├── file_watcher.py
└── requirements.txt

4.复制工具包装

将这两个文件复制到您的 backend/tools/ 目录:

backend/tools/notebook_library_tool.py --你的意识循环调用的工具功能。这个进口 NotebookManager 直接(无子流程)。

backend/tools/notebook_library_tool_schema.json --工具模式,以便您的代理知道如何调用它。

5.在你的意识循环中注册该工具

三个集成点:

a) 导入 integration_tools.py

添加到您的导入中:```python
from tools.notebook_library_tool import notebook_library_tool as _notebook_library_tool


将包装器方法添加到您的 `IntegrationTools` 类别:```python
def notebook_library(self, **kwargs) -> Dict[str, Any]:
"""
Notebook Library — token-efficient document retrieval.
"""
try:
result = _notebook_library_tool(**kwargs)
return result
except Exception as e:
return {
"status": "error",
"message": f"Notebook library error: {str(e)}"
}

添加 'notebook_library_tool' 将JSON模式添加到您的工具模式加载列表中,以便提取JSON模式。

b) 在中添加工具调用处理程序 consciousness_loop.py

在您的工具执行块中(您处理 elif tool_name == "..." 案例),添加:```python
elif tool_name == "notebook_library":
result = self.tools.notebook_library(**arguments)


#### c) 验证架构加载

工具架构文件(`notebook_library_tool_schema.json`)必须在 `backend/tools/` 与其他工具模式一起。如果模式加载器遵循与其他工具相同的模式,它应该会自动拾取它。

### 6.添加文档

创建笔记本文件夹并将文件放入:```bash
mkdir -p data/notebooks/My_Research
cp ~/some_paper.pdf data/notebooks/My_Research/
cp ~/notes.md data/notebooks/My_Research/

当您的代理首次查询笔记本时,文档会自动获取,或者您可以通过以下方式触发手动同步 sync_notebook 行动。

环境变量(可选)

所有这些都有合理的违约。仅在需要时覆盖:

变量 默认值 描述
NOTEBOOK_LIBRARY_PATH data/notebooks 笔记本文件夹所在的位置
NOTEBOOK_CHROMADB_PATH data/notebook_chromadb 矢量数据库存储
OLLAMA_BASE_URL http://192.168.2.175:11434 Ollama服务器(回退嵌入)
OLLAMA_EMBEDDING_MODEL nomic-embed-text Olama型号名称
NOTEBOOK_CHUNK_SIZE 2000 每块字符数
NOTEBOOK_CHUNK_OVERLAP 200 块之间的重叠

重要提示: 更新 OLLAMA_BASE_URL 如果你使用Ollama回退,请指向你自己的Ollama实例。默认值指向原始开发人员的本地网络。

运作原理

  1. 摄入: 文档被分割成块(每个约2000个字符,重叠200个字符),使用Hugging Face或Ollama嵌入,并存储在ChromaDB集合中(每个笔记本电脑一个)。

  2. 查询: 代理的查询嵌入了相同的模型,然后ChromaDB通过余弦相似度找到最相似的块。仅返回前N个段落(默认值5)。

  3. 文件跟踪: 清单系统(MD5哈希)跟踪哪些文件已被摄入。更改的文件会被重新处理;跳过未更改的文件。

  4. 文件监视: 基于监视器的文件监视器监视笔记本文件夹,并通过2秒的去抖动自动摄取新的/修改的文件。

代理使用示例

一旦集成,您的代理可以像这样使用它:```

List what's available

notebook_library(action="list_notebooks")

Search for something specific

notebook_library(action="query_notebook", notebook="Research_Papers", query="transformer attention mechanisms")

Browse a notebook's contents

notebook_library(action="browse_notebook", notebook="Research_Papers")

Deep-read a specific document

notebook_library(action="read_document", notebook="Research_Papers", filename="paper1.pdf")

Create a new notebook

notebook_library(action="create_notebook", name="Meeting_Notes", description="Weekly team meetings")
```

故障排除

“未找到笔记本” --确保 data/notebooks/ 存在,并且至少有一个子文件夹包含文件。

第一次查询速度慢 --对笔记本的第一个查询会触发摄取(分块+嵌入所有文档)。后续查询很快。对于大型收藏,请运行 sync_notebook 第一。

嵌入模型下载 --第一次运行下载Jina嵌入模型(约270MB)。如果这在防火墙后失败,系统将回退到Ollama。确保HF模型访问或Ollama实例可用。

ChromaDB版本不匹配 --固定到 chromadb==0.4.18.较新的版本可能有突破性的API更改。

OLLAMA_BASE_URL地址 --如果你看到Ollama连接错误,而你没有使用Ollama,那很好——这只是HF成功后的回退失败。如果HF也失败,请将此URL更新到您的Ollama实例。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Notebook Library MCP Server 怎么安装?

在客户端按下面的安装命令接入:pip install -r mcp_servers/notebook_library/requirements.txt。装完在客户端配置里引用同一个包或端点。

Notebook Library MCP Server 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Notebook Library MCP Server 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Notebook Library MCP Server 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

Notebook Library MCP Server 能提供哪些能力?

资料显示约 8 个工具;能力标签包括 搜索、本地处理、Python、文档处理、向量数据库。具体工具清单以官方文档为准。

Notebook Library MCP Server 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Notebook Library MCP Server 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。