mcpField
R

rdrop for Raindrop.io

本地服务
github.com生产力22 周前更新

关于 rdrop for Raindrop.io

rdrop for Raindrop.io 是用于书签库的 CLI、本地 MCP 服务和可审核整理工具。它支持沿用现有标签与合集进行搜索和规划,变更可在应用前查看并试运行。

主要功能

  1. 01搜索书签并查看合集
  2. 02报告可清理项目
  3. 03构建并验证整理计划
  4. 04应用变更前试运行计划
  5. 05默认使用只读 MCP 工具

适用场景

  1. 01查找符合查询条件的已保存链接
  2. 02检查未加标签的书签并制定清理方案
  3. 03保留现有标签并规划标签和合集变更
  4. 04让 MCP 客户端检查 Raindrop 书签库

MCP 相关

本地 MCP 服务默认提供只读工具,用于搜索、读取和规划。只有对会强制审核的授权宿主,才可启用写入;可选的官方扩展还提供 Raindrop 托管的 AI 读取工具。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"kingpsychopath-raindrop-cli": {
"command": "npx",
"args": [
"-y",
"@machineyearn/raindrop-cli"
],
"env": {
"RAINDROP_TOKEN": "<RAINDROP_TOKEN>"
}
}
}
}
启动命令npx -y @machineyearn/raindrop-cli
需要配置的环境变量
RAINDROP_TOKEN密钥Raindrop.io API token. Alternatively configure the private rdrop env/token file; see setup.

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npm@machineyearn/raindrop-cli0.2.1

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

Raindrop.io 的 rdrop

查找、审阅并整理已保存的链接。保留你的标签。使用你自己的 AI。

CI Release Version npm License: MIT Go version

让不断增长的 Raindrop.io 资料库变得更易使用。搜索已保存的链接、查看收藏集、发现可整理之处,并在进行更改前审阅建议。你可以在终端中使用它,也可以让喜欢的 Agent 负责阅读和规划。

这是由 Machineyearn 打造的 Raindrop.io CLI、MCP 服务和经审阅的书签整理工具,作为一项独立集成提供。

  • 整理方式由你决定。 从你已有的标签和收藏集开始;应用计划时保留现有标签。
  • 更改内容一目了然。 查看具体书签、拟议标签和目标位置,然后先试运行计划,再正式应用。
  • AI 适配你的工作流。 连接 Codex 或 Claude,使用托管的工具型模型,或运行本地 Qwen 和 Laya。
  • 不使用 AI 也有实用的 CLI。 搜索、编辑、导出、管理高亮内容和收藏集,并构建 Shell 管道。

终端演示,展示 Shell、MCP 和经审阅的整理工作流

快速开始

1. 安装
brew install machineyearningengineer/tap/rdrop
# Or Node 22+, with optional dependencies enabled:
npm install --global @machineyearn/[email protected]
rdrop version

不想全局安装?使用 npx --yes @machineyearn/[email protected] COMMAND。原生程序下载支持 Intel/AMD 和 ARM 架构的 macOS、Linux 与 Windows。构建产物和校验和。

2. 连接 Raindrop

在 Raindrop 集成设置中创建令牌。将其添加到私有文件 ~/.config/rdrop/env:

RAINDROP_TOKEN=your_token_here

将目录权限设为 700,文件权限设为 600,然后运行 rdrop doctor。不要在聊天或 Git 中泄露令牌。设置与故障排除。

3. 询问你的 Agent

将以下内容复制到 Codex、Claude 或你偏好的编码 Agent 中。它也可以协助完成设置:

Set up https://github.com/machineyearningengineer/raindrop-cli so you can help
manage my Raindrop library. Use its plugin/MCP when available, otherwise
use the CLI. Check installation and authentication; have me add the token
privately. Use the existing model and configured services first.

Start with a cleanup report and a small sample. Use my existing tags and
collections. Choose useful tools for search, content, classification and
planning; connect extra model providers, Executor or ACP only if needed.
Show the exact proposed changes and a dry-run. Preserve my tags and notes,
flag uncertain suggestions, and apply only the exact plan I approve.

连接 Agent,或者在 Shell 中使用 rdrop collections --tree、rdrop search 'type:article #go' --json 和 rdrop cleanup report --json 开始操作。

选择你的工作流

你想要……从这里开始
查找链接、管理收藏集或导出资料库Shell 命令
使用 Codex、Claude 或其他 MCP 客户端客户端设置和插件
让模型检查资料库并提出更改建议直接运行模型
使用 Raindrop 的语义搜索和 AI 辅助阅读官方 MCP 工具
使用 Jev、Laya 或 Clef 对选定书签进行分类决策提供方
在 Executor 中运行便携式 Raindrop 工具Executor 设置

使用计划进行整理

查找已保存的链接、查看建议,然后应用已批准的更改

先生成报告,再选择要审核的确切书签:

rdrop cleanup report --json > cleanup-report.json
rdrop context --ids 101,102 > library-context.json
jq 'del(.snapshots)' library-context.json > model-context.json

模型视图包含你现有的标签名称、合集路径和书签元数据。请将原始上下文保密:应用更改前,系统会使用其快照检测编辑。请任意模型或规则引擎按照提案格式生成提案,然后进行验证:

rdrop organize plan --context library-context.json --proposal proposal.json > organization.json
jq '.plan // error("No accepted changes")' organization.json > reviewed-plan.json
# Review accepted changes, needsReview and unmentioned items.
rdrop cleanup apply reviewed-plan.json --dry-run
rdrop cleanup apply reviewed-plan.json --yes

计划会保留现有标签,也可以将新标签与移动到其他合集结合使用。未知名称和目标位置无法通过验证;新标签需要明确的命名规则。写入前会检查账号、摘要和快照。并发编辑或部分失败需要检查并重新制定计划。整理与恢复。

使用你的 Agent

Codex 和 Claude 插件捆绑了一个通用整理技能和只读 MCP 连接。安装说明也介绍了其他本地客户端的直接配置方法。

rdrop connect mcp                         # client configuration, without tokens
rdrop mcp serve                           # read-only tools over stdio
rdrop mcp tools --search 'organize tags'   # discover relevant schemas offline
rdrop mcp tools --name raindrop_context    # inspect one exact schema
rdrop mcp serve --official                # also include Raindrop's hosted AI reads

默认工具仅用于读取和制定计划。只有在经过授权且强制审核的主机上,才启用写入功能。官方扩展会导入文档中说明的读取工具;其计划限制和服务可用性仍然适用。覆盖范围以及与官方服务的比较。

你也可以直接运行模型:

# With your model API key in a private environment:
rdrop agent --model your-tool-capable-model --json \
  'Review the first page of untagged bookmarks. Use existing tags and propose a plan.' > agent-result.json

模型会接收实际的工具结果,并返回响应和精确生成的计划。运行受步骤数、调用次数和时间限制约束。支持本地 Chat Completions 服务和托管的 Responses API。Jev、Laya 和 Cloudflare Clef 会提供带类型的分类决策;不确定性会明确显示。模型配置与准确命令。

已验证并持续维护

在真实的 Qwen/Laya 循环中,系统对书签进行了分类、生成计划,并将其应用到一次性测试库,同时保留了现有标签和备注。本地 Executor 部署通过了已连接账号的健康检查和实时读取检查。重复验证,但请注意其限制:此冒烟测试不是准确性基准测试,且 Jev/Clef 的实时推理需要提供商凭据。

该产品专注于 Raindrop。模型提供商和提案格式不受特定提供商限制;Obsidian 和其他笔记来源仍是未来选项。

面向开发者

公开名称是 rdrop for Raindrop.io。稳定的技术标识包括 raindrop-cli 仓库、@machineyearn/raindrop-cli npm 包、rdrop 命令和 raindrop@machineyearn 插件。目前,存储支持主要面向 Raindrop.io;模型和 Agent 连接不受特定提供商限制。

原生 Go CLI、本地 MCP 服务和直接模型循环共用同一套命令实现。REST 客户端、模型客户端和计划代码使用标准库;MCP 使用官方 Go SDK。ACP 配置会将此服务提供给现有 ACP Agent。Executor 提供了一个更精简、可移植的 REST 适配器。Docker 可用作打包选项。

make check               # Go checks, build and generated-doc parity
make check-integrations  # npm, Executor and Laya contracts
make assets              # regenerate the terminal graphic

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。