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
- 01生成康奈尔式笔记
- 02生成上下文相关回忆问题
- 03通过 Pinecone 语义检索笔记
- 04同步至 Notion 数据库
- 05基于 OpenAI 处理文本
适用场景
- 01将聊天摘要保存到 Notion
- 02根据对话文本生成回忆问题
- 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。
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
- 克隆仓库
git clone
cd mcp-cornell-resume
- 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
- 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
- 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。
- 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
- 输入处理:MCP 客户端将聊天对话文本发送给
save_resume_to_notion工具 - 生成嵌入:OpenAI 根据输入文本内容创建向量嵌入
- 上下文检索:Pinecone 使用嵌入搜索语义相似的现有笔记
- 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
- 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
- Notion 集成:格式化后的 Cornell 摘要会保存到你的 Notion 数据库
- 响应:向客户端返回 Notion 页面 ID
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
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。