MemFlow MCP 服务器是一套面向 MCP（Model Context Protocol）的后端实现。核心功能包括通过标准化接口向 LLM 客户端提供上下文信息、资源访问、工具执行以及提示模板渲染等能力。该仓库提供两种可运行的 MCP 实现路径：一是基于标准输入输出的 MCP（stdio）实现，适用于 Claude Desktop 等需要通过 JSON-RPC 进行通信的场景；二是基于 FastAPI 的 HTTP API 实现，遵循 MCP 的工具查询与调用语义，便于通过网络进行调用。

主要功能点

通过 MCP 接口向客户端提供上下文结果（get_vault_context），包括 contexte 及来源
支持工具发现与调用（tools/list、tools/call），实现读取 vault 上下文的能力
基于本地 Obsidian vault 的索引与向量检索，结合关系映射（Relationships.md）提升上下文质量
本地化、隐私优先的上下文服务，避免云依赖
提供多种传输方式：MCP 的 stdio 版本，以及基于 HTTP 的服务器端实现（FastAPI）

安装与运行

先建立并索引 Obsidian vault（如首次使用）：
- 1. 构建索引：运行 python src/index_vault.py
- 1. 生成本地向量索引后，确保 Vault 路径 VAULT_PATH 指向你的 Obsidian vault
运行 MCP 服务器（两种方式任选其一）：
- 方式 A（目前更常用的网络访问形式，HTTP API）：
  - 启动命令示例（在已创建虚拟环境并安装依赖后执行）： python src/mcp_server.py
  - 服务器监听默认地址 http://0.0.0.0:8080（可通过 --host、--port 调整）
- 方式 B（标准输入输出的 MCP 端，适配 Claude Desktop 等客户端）：
  - 启动命令示例：python src/mcp_stdio.py
  - 该方式通过标准输入输出遵循 MCP JSON-RPC 协议，与客户端进行通信
重要依赖与前提
- 需要本地索引完成，请先执行 index_vault.py 生成并持久化向量索引
- 服务器会启动一个后台文件监控（可选，需开启），用于监控 Vault 的变更并自动重新索引
服务器配置（供 MCP 客户端读取配置使用，以下以 JSON 形式描述，不含代码块） { "server_name": "MemFlow MCP Server", "command": "src/venv/bin/python", "args": ["src/mcp_server.py", "--host", "0.0.0.0", "--port", "8080"] // 说明：这是运行 HTTP API 版本的启动命令及参数，客户端需要知道 server_name 与启动命令来连接 } 注释：
- server_name 表示服务器对客户端的识别名称
- command 为启动需要的解释器或可执行程序路径（如虚拟环境中的 python）
- args 为启动脚本及其参数（如主机、端口等），用于客户端的连接配置另外，如需使用 stdio 版本，请将命令改为： { "server_name": "MemFlow MCP Stdio Server", "command": "src/venv/bin/python", "args": ["src/mcp_stdio.py"] }
基本使用方法
- 基于 HTTP 的 MCP 使用：发送 JSON-RPC 风格请求到工具端点，例如工具列表（GET /tools/list）与工具调用（POST /tools/call），获取返回的上下文文本
- 基于 StdIO 的 MCP 使用：向程序的标准输入发送初始化、工具列表、工具调用等 JSON-RPC 请求，程序将输出正确格式的 JSON-RPC 响应到标准输出
- 需要注意的点：初次使用需要在服务器端完成索引构建；索引更新可通过 index_vault 的 --rebuild 或在 File Watcher 触发时自动进行
- 客户端与服务器之间的协商信息包括：服务器名称、可用工具、输入参数（query、max_tokens）及返回的 context 文本、来源及信心度等

MemFlow MCP 服务器

服务器信息