BookmarkMemory
Enables semantic search and retrieval of bookmarked URLs content using vector embeddings, with support for multiple backends and AI assistant integration.
README
BookmarkMemory
A Python-based semantic search system for bookmarks that enables intelligent querying of URL contents through vector embeddings and semantic chunking.
Features
- 🔍 Semantic Search: Find bookmarks based on meaning, not just keywords
- 🧩 Smart Chunking: Intelligently splits content into meaningful segments
- 🚀 Multiple Backends: Support for Qdrant Cloud, local containers, or auto-start
- 🌐 FastAPI Server: RESTful API with auto-generated documentation
- 🤖 MCP Integration: FastMCP server for AI assistant integration
- 📊 Flexible Embeddings: Support for multiple embedding models
Quick Start
Installation
# Clone the repository
git clone file:///c:/temp/BookmarkMemory
cd BookmarkMemory
# Install dependencies
pip install -r requirements.txt
pip install -e .
Basic Usage
from bookmark_memory import BookmarkMemory
# Initialize
bm = BookmarkMemory()
# Add bookmarks
bm.add_bookmarks([
"https://example.com/article1",
"https://example.com/article2"
])
# Search
results = bm.find_related_bookmarks("machine learning")
for result in results:
print(f"{result['url']} - Score: {result['relevance_score']:.3f}")
API Server
# Start the FastAPI server
uvicorn bookmark_memory.api.fastapi_app:app --reload
# Visit http://localhost:8000/docs for API documentation
MCP Server
Add to your Claude Desktop configuration:
{
"mcpServers": {
"bookmark-memory": {
"command": "python",
"args": ["-m", "bookmark_memory.mcp.mcp_server"],
"env": {
"QDRANT_MODE": "auto"
}
}
}
}
Configuration
Environment Variables
QDRANT_MODE: Connection mode (auto, cloud, local)QDRANT_HOST: Qdrant host addressQDRANT_PORT: Qdrant port (default: 6333)EMBEDDING_MODEL: Model for embeddings (default: sentence-transformers/all-MiniLM-L6-v2)
See config/settings.py for all configuration options.
Documentation
- API Documentation (when server is running)
- Project Requirements
- Examples
Testing
# Run all tests
pytest
# Run with coverage
pytest --cov=bookmark_memory
License
MIT License - See LICENSE file for details.
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。