Knowledge Base MCP

跨项目的知识库 MCP 服务，支持三层搜索（文本匹配 / TF-IDF / 语义向量），提供 Web UI 管理界面。

功能特性

• 8 个 MCP 工具 — kb_write / kb_read / kb_search / kb_search_semantic / kb_list / kb_delete / kb_update / kb_outline
• 三层搜索架构 — P0 文本匹配 + P1 TF-IDF + P2 多语言语义向量，加权融合排序
• 多语言语义搜索 — 基于 paraphrase-multilingual-MiniLM-L12-v2，支持 50+ 语言跨语言检索
• 双传输模式 — Stdio（本地 MCP 客户端）+ HTTP（StreamableHTTP / SSE / REST API）
• Web UI — Vite 6 + React 18 + Zustand + Tailwind + Ant Design

快速开始

npx 一键启动（推荐）

无需克隆仓库，直接运行：

# Stdio 模式
npx @dyyz1993/kb-mcp --stdio

# HTTP 模式
npx @dyyz1993/kb-mcp --http --port 19877

全局安装（可选）

npm install -g @dyyz1993/kb-mcp
kb-mcp --stdio

从源码构建

git clone https://github.com/dyyz1993/knowledge-base-mcp.git
cd knowledge-base-mcp
bun install

首次使用语义搜索时，需要预先下载 embedding 模型：

bun run -e '
import { pipeline, env } from "@huggingface/transformers"
import { join } from "node:path"
import { homedir } from "node:os"
env.localModelPath = join(homedir(), ".cache/huggingface/local-models")
env.allowLocalModels = true
await pipeline("feature-extraction", "Xenova/paraphrase-multilingual-MiniLM-L12-v2", { dtype: "fp32" })
console.log("Model downloaded")
'

语义搜索（P2）为可选功能。未安装 @huggingface/transformers 时，P0 文本匹配和 P1 TF-IDF 搜索仍正常工作。如果不下载模型，语义搜索（P2）不可用，但文本匹配（P0）和 TF-IDF（P1）仍正常工作。

OpenCode 配置

Stdio 模式（推荐本地使用）

编辑 ~/.config/opencode/opencode.json，在 mcp.servers 中添加：

{
  "mcp": {
    "servers": {
      "knowledge-base": {
        "type": "local",
        "command": ["npx", "@dyyz1993/kb-mcp", "--stdio"]
      }
    }
  }
}

无需手动启动，OpenCode 会自动管理进程生命周期。

StreamableHTTP 模式（远程服务器）

先启动服务：

npx @dyyz1993/kb-mcp --http --port 19877

配置：

{
  "mcp": {
    "servers": {
      "knowledge-base": {
        "type": "streamable-http",
        "url": "http://your-server:19877/mcp"
      }
    }
  }
}

SSE 模式（旧版客户端）

{
  "mcp": {
    "servers": {
      "knowledge-base": {
        "type": "sse",
        "url": "http://your-server:19877/sse"
      }
    }
  }
}

Web UI

# 先启动 HTTP 服务
npx @dyyz1993/kb-mcp --http --port 19877

# 启动 Web UI
cd web
bun install
bun run dev

访问 http://localhost:5180，API 请求自动代理到 :19877。

MCP 工具

工具	说明
kb_write	保存知识文档，支持标签、关键词、来源项目等元数据
kb_read	读取文档内容，超 50 行自动截断
kb_search	文本 + 关键词 + 标签多维搜索
kb_search_semantic	语义向量搜索，支持跨语言检索
kb_list	浏览文档列表，按标签或项目过滤
kb_delete	删除文档，同步更新索引
kb_update	更新文档正文、标题、标签、关键词
kb_outline	获取指定项目的文档大纲

kb_write 参数

{
  title: string              // 文档标题
  content: string            // 正文（Markdown）
  tags: string[]             // 标签：tutorial / document / analysis / guide / snippet / best-practice / reference / architecture / troubleshooting / decision
  keywords: string[]         // 关键词，用于检索
  intent: string             // 创建意图或使用场景
  project_description: string // 当前项目简要描述
  source_project?: string    // 来源项目路径（自动填充）
  source_worktree?: string   // 来源 worktree 路径（自动填充）
}

REST API

以下端点仅在 HTTP 模式下可用。

方法	路径	说明
GET	/health	健康检查
GET	/api/docs	列出所有文档
GET	/api/doc/:id	读取指定文档
POST	/api/search	综合搜索（三层融合）
POST	/api/search/semantic	语义搜索
GET	/api/outline?project=...	获取项目大纲

搜索架构

查询 → ┌─ P0: 文本匹配（标题/关键词/意图） ──── 权重 0.2
       ├─ P1: TF-IDF（加权词频 + 余弦相似度） ── 权重 0.3
       └─ P2: 语义向量（384维 embedding + 余弦相似度） ── 权重 0.5
         ↓
       加权融合 → 排序返回 TopK

层级	算法	特点	场景
P0	子串匹配 + 字段加权	精确、快速	已知关键词
P1	TF-IDF + 余弦相似度	中文 bigram 分词，加权字段	模糊匹配
P2	multilingual-MiniLM + 余弦相似度	50+ 语言跨语言语义匹配	自然语言查询

kb_search 使用 P0，kb_search_semantic 使用 P2，HTTP /api/search 使用三层融合。

存储结构

所有数据存储在 ~/.knowledge/（可通过 KB_DIR 环境变量自定义）：

~/.knowledge/
├── index.json              # 文档索引
├── vectors.json            # 语义向量缓存
├── outlines/               # 项目大纲
│   └── {project-slug}.json
├── {id}-{title-slug}.md    # 文档文件（YAML frontmatter + Markdown 正文）
└── ...

单个文档文件示例：

---
id: "abc123xyz"
title: "React Hooks 最佳实践"
tags: ["best-practice"]
keywords: ["react", "hooks", "useEffect"]
intent: "React 开发中 hooks 的常见模式和陷阱"
project_description: "前端组件库项目"
source_project: "/Users/x/project-frontend"
created_at: 1746012345678
---

## 使用 useEffect 的注意事项
...

测试

bun test

环境变量

变量	默认值	说明
KB_DIR	~/.knowledge	知识库存储目录
PORT	19877	HTTP 模式端口（也可用 --port 参数）

License

MIT