MCP 服务器

wisdomforge

一个强大的知识管理系统，它从经验、见解和最佳实践中提炼智慧。该系统基于 Qdrant 向量数据库构建，可实现高效的知识存储和检索。

README

WisdomForge

一个强大的知识管理系统，从经验、见解和最佳实践中提炼智慧。使用 Qdrant 向量数据库构建，以实现高效的知识存储和检索。

特性

智能知识管理和检索
支持多种知识类型（最佳实践、经验教训、见解、经验）
可通过环境变量配置数据库选择
使用 Qdrant 内置的 FastEmbed 实现高效的嵌入生成
领域知识存储和检索
可部署到 Smithery.ai 平台

前提条件

Node.js 20.x 或更高版本（推荐 LTS）
npm 10.x 或更高版本
Qdrant 或 Chroma 向量数据库

安装

克隆存储库：

git clone https://github.com/hadv/wisdomforge
cd wisdomforge

安装依赖项：

npm install

在根目录中创建一个 .env 文件，基于 .env.example 模板：

cp .env.example .env

在 .env 文件中配置您的环境变量：

必需的环境变量

数据库配置

DATABASE_TYPE: 选择您的向量数据库 (qdrant 或 chroma)
COLLECTION_NAME: 您的向量集合的名称
QDRANT_URL: 您的 Qdrant 实例的 URL（如果使用 Qdrant，则为必需）
QDRANT_API_KEY: Qdrant 的 API 密钥（如果使用 Qdrant，则为必需）
CHROMA_URL: 您的 Chroma 实例的 URL（如果使用 Chroma，则为必需）

服务器配置

HTTP_SERVER: 设置为 true 以启用 HTTP 服务器模式
PORT: 仅用于本地开发的端口号（默认值：3000）。不用于 Smithery 云部署。

Qdrant 的 .env 配置示例：

DATABASE_TYPE=qdrant
COLLECTION_NAME=wisdom_collection
QDRANT_URL=https://your-qdrant-instance.example.com:6333
QDRANT_API_KEY=your_api_key
HTTP_SERVER=true
PORT=3000  # Only needed for local development

构建项目：

npm run build

AI IDE 集成

Cursor AI IDE

将此配置添加到您的 ~/.cursor/mcp.json 或 .cursor/mcp.json 文件中：

{
  "mcpServers": {
    "wisdomforge": {
      "command": "npx",
      "args": [
        "-y",
        "@smithery/cli@latest",
        "run",
        "@hadv/wisdomforge",
        "--key",
        "YOUR_API_KEY",
        "--config",
        "{\"database\":{\"type\":\"qdrant\",\"collectionName\":\"YOUR_COLLECTION_NAME\",\"url\":\"YOUR_QDRANT_URL\",\"apiKey\":\"YOUR_QDRANT_API_KEY\"}}",
        "--transport",
        "ws"
      ]
    }
  }
}

替换配置中的以下占位符：

YOUR_API_KEY: 您的 Smithery API 密钥
YOUR_COLLECTION_NAME: 您的 Qdrant 集合名称
YOUR_QDRANT_URL: 您的 Qdrant 实例 URL
YOUR_QDRANT_API_KEY: 您的 Qdrant API 密钥

注意：确保您已安装 Node.js 并且 npx 在您的 PATH 中可用。如果您正在使用 nvm，请确保在使用 Cursor 之前运行 nvm use --lts 来使用正确的 Node.js 版本。

Claude Desktop

在 Claude 的设置中添加此配置：

{
  "processes": {
    "knowledge_server": {
      "command": "/path/to/your/project/run-mcp.sh",
      "args": []
    }
  },
  "tools": [
    {
      "name": "store_knowledge",
      "description": "Store domain-specific knowledge in a vector database",
      "provider": "process",
      "process": "knowledge_server"
    },
    {
      "name": "retrieve_knowledge_context",
      "description": "Retrieve relevant domain knowledge from a vector database",
      "provider": "process",
      "process": "knowledge_server"
    }
  ]
}