mcpField
M
Mcp Cornell Resume

Mcp Cornell Resume

本地服务
github.com/johndezr记忆与知识076 周前更新

关于 Mcp Cornell Resume

这是一个 MCP 服务,可将聊天内容整理为康奈尔式笔记和主动回忆问题,并保存到 Notion。它通过 Pinecone 语义检索相关笔记,适合希望保存并复习对话学习内容的用户。

主要功能

  1. 01生成康奈尔式笔记
  2. 02生成上下文相关回忆问题
  3. 03通过 Pinecone 语义检索笔记
  4. 04同步至 Notion 数据库
  5. 05基于 OpenAI 处理文本

适用场景

  1. 01将聊天摘要保存到 Notion
  2. 02根据对话文本生成回忆问题
  3. 03检索相关笔记以补充上下文

MCP 相关

该 MCP 服务提供 `save_resume_to_notion`,接收对话文本并返回 Notion 页面 ID。

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。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

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

MCP:Cornell 简历

一个模型上下文协议(MCP)服务,可根据对话上下文自动生成 Cornell 风格的学习笔记和摘要,并支持 RAG 主动回忆问题生成和 Notion 集成。

功能

该服务会处理对话上下文中的文本,生成上下文相关的摘要、创建主动回忆问题(感知上下文),并自动将所有内容保存到 Notion。

  • 根据客户端聊天对话历史实时生成 Cornell 风格笔记
  • 使用向量相似度生成上下文相关的主动回忆问题
  • 集成 Pinecone 语义搜索,检索相关笔记
  • 自动将数据同步到 Notion 数据库,并正确设置块格式
  • 由 OpenAI 提供支持的文本处理和问题生成

设置指南

要求
  • Python 3.13+
  • uv
  • OpenAI 账户
  • Pinecone 账户
安装
  1. 克隆仓库
git clone
cd mcp-cornell-resume
  1. 安装依赖项
# Create virtual environment
uv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install required packages
uv pip sync docs/requirements.txt
  1. 环境配置——在项目根目录中创建 .env 文件:
OPENAI_API_KEY=your_openai_api_key
PINECONE_API_KEY=your_pinecone_api_key
PINECONE_INDEX_NAME=cornell-notes
NOTION_API_KEY=your_notion_api_key
NOTION_DATABASE_ID=your_database_id
  1. 设置 Notion
  • 在 Notion 开发者页面创建 Notion 集成(至少设置适当的功能,并选择“读取内容”和“更新内容”)。
  • 获取 API 密钥
  • 将页面分享给集成。
  • 获取页面的数据库密钥:你可以在页面链接中找到数据库。
  1. 配置 Pinecone 索引——创建一个 Pinecone 索引,并设置:
  • 维度:1536(用于 OpenAI 嵌入)
  • 索引名称与 .env 配置一致

使用方法

与 Claude 桌面客户端或其他兼容 MCP 的应用程序搭配使用

将以下内容添加到 MCP 配置 JSON 文件中:

code ~/Library/Application\ Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "resume_to_notion": {
      "command": "/Users/<USER></USER>/.local/bin/uv",
      "args": [
        "--directory",
        "/<PATH_TO_PROJECT/mcp-cornell-resume",
        "run",
        "main.py"
      ]
    }
  }
}

可用工具

save_resume_to_notion

总结完整的进行中聊天对话,并将其作为 text 发送。

参数:

  • text:字符串,客户端聊天窗口的摘要文本。

返回值:

  • notion_page_id

工作原理

处理流程
  1. 输入处理:MCP 客户端将聊天对话文本发送给 save_resume_to_notion 工具
  2. 生成嵌入:OpenAI 根据输入文本内容创建向量嵌入
  3. 上下文检索:Pinecone 使用嵌入搜索语义相似的现有笔记
  4. 生成 Cornell 摘要:OpenAI 使用以下内容生成结构化的 Cornell 风格摘要:
    • 原始对话内容
    • Pinecone 中的相关笔记,用于理解上下文
  5. 向量存储:新笔记及其嵌入会存储在 Pinecone 中,以便将来检索上下文
  6. Notion 集成:格式化后的 Cornell 摘要会保存到你的 Notion 数据库
  7. 响应:向客户端返回 Notion 页面 ID
可视化流程图

可视化流程图

开发

你可以使用模型上下文协议检查器试用该服务:

fastmcp dev main.py

限制和未来改进

  • 大模型上下文窗口限制:MCP 客户端的上下文窗口容量有限(通常根据模型不同为 8k-32k 个令牌)。
  • 如果聊天会话过长,仅总结可用上下文可能会丢失重要信息。
  • 多集成工作流中的延迟:每个集成都会增加延迟,并提高处理变慢的风险。
  • Notion 和 Pinecone 同步的复杂性。
  • 为笔记创建标签 RAG 功能。

安全注意事项

  • API 密钥管理:将所有 API 密钥安全地存储在 .env 中
  • 输入验证:所有输入都会经过清理和验证
  • 错误处理:错误中绝不会暴露敏感信息
  • 访问控制:Notion 集成遵守工作区权限
  • 数据隐私:未经同意,不会永久存储任何聊天内容

许可证

MIT 许可证

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。