mcpField
M
mcp-pkm-logseq MCP server

mcp-pkm-logseq MCP server

本地服务
github.com/ruliana记忆与知识980 周前更新

关于 mcp-pkm-logseq MCP server

mcp-pkm-logseq MCP server 将 Logseq 个人知识管理内容提供给 MCP 客户端,面向使用 Logseq 管理笔记和待办事项的用户。它可通过自定义指引辅助内容检索,并提供笔记、待办列表和指引资源。

主要功能

  1. 01读取带主题标签的个人笔记
  2. 02按状态和日期读取待办事项
  3. 03提供知识库交互指引资源
  4. 04通过环境变量配置 Logseq API

适用场景

  1. 01按主题和日期检索 Logseq 笔记
  2. 02查询指定日期范围内的待办事项

MCP 相关

向 MCP 客户端提供 `logseq://guide` 资源,以及获取笔记工具指引、检索个人笔记和获取待办列表的工具。

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。

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-pkm-logseq MCP 服务

一个 MCP 服务,可通过自定义指令与 Logseq 个人知识管理系统交互

组件

资源
  • logseq://guide - 关于如何与此知识库交互的初始指令
工具
  • get_personal_notes_instructions() - 获取如何使用个人笔记工具的指令
  • get_personal_notes(topics, from_date, to_date) - 从 Logseq 检索带有指定主题标签的个人笔记
  • get_todo_list(done, from_date, to_date) - 从 Logseq 检索待办事项列表

配置

可配置以下环境变量:

  • LOGSEQ_API_KEY:用于向 Logseq 进行身份验证的 API 密钥(默认值:"this-is-my-logseq-mcp-token")
  • LOGSEQ_URL:Logseq HTTP API 运行所在的 URL(默认值:"http://localhost:12315")

快速入门

安装
Claude Desktop 和 Cursor

MacOS:~/Library/Application\ Support/Claude/claude_desktop_config.json Windows:%APPDATA%/Claude/claude_desktop_config.json

已发布服务的配置
"mcpServers": {
  "mcp-pkm-logseq": {
    "command": "uvx",
    "args": [
      "mcp-pkm-logseq"
    ],
    "env": {
      "LOGSEQ_API_TOKEN": "your-logseq-api-token",
      "LOGSEQ_URL": "http://localhost:12315"
    }
  }
}
Claude Code
claude mcp add mcp-pkm-logseq uvx mcp-pkm-logseq
启动 Logseq 服务

Logseq 的 HTTP API 是在桌面版 Logseq 应用程序中运行的接口。启用后,它会启动一个本地 HTTP 服务(默认端口为 12315),以便通过编程方式访问 Logseq 知识库。该 API 支持查询页面和块、搜索内容,并可通过经过身份验证的请求修改内容。

启用 Logseq HTTP API 服务:

  1. 打开 Logseq 并进入“设置”(右上角)
  2. 前往“高级”
  3. 启用“开发者模式”
  4. 启用“HTTP API Server”
  5. 设置 API 令牌(应与 MCP 服务配置中的 LOGSEQ_API_KEY 值一致)

如需更详细的说明,请参阅:https://logseq-copilot.eindex.me/doc/setup

创建 MCP PKM Logseq 页面

在 Logseq 图谱中创建一个名为“MCP PKM Logseq”的页面,作为 AI 助手的指南。添加以下内容:

  • 对标记系统的说明(例如,哪些标签代表项目、领域和资源)
  • 常用标签列表及其涵盖的主题
  • 用于整理信息的常见工作流
  • 页面和块的命名约定
  • 关于你希望如何检索信息的说明
  • 用于搜索的实用主题组合示例
  • 关于个人知识管理方法的其他背景信息

每当 AI 认为需要了解用户时,都会显示此页面。

开发

构建和发布

准备分发软件包:

  1. 同步依赖项并更新锁文件:
uv sync
  1. 构建软件包发行文件:
uv build

这将在 dist/ 目录中生成源码分发包和 wheel 分发包。

  1. 发布到 PyPI:
uv publish

注意:你需要通过环境变量或命令行标志设置 PyPI 凭据:

  • 令牌:--token 或 UV_PUBLISH_TOKEN
  • 或用户名/密码:--username/UV_PUBLISH_USERNAME 和 --password/UV_PUBLISH_PASSWORD
调试

由于 MCP 服务通过 stdio 运行,调试可能颇具挑战。为获得最佳调试 体验,我们强烈建议使用 MCP Inspector。

你可以通过 npm 使用以下命令启动 MCP Inspector:

npx @modelcontextprotocol/inspector uv --directory /Users/ronie/MCP/mcp-pkm-logseq run mcp-pkm-logseq

启动后,Inspector 会显示一个 URL,你可以在浏览器中访问该 URL 开始调试。

将开发服务配置添加到 Claude Desktop
"mcpServers": {
  "mcp-pkm-logseq": {
    "command": "uv",
    "args": [
      "--directory",
      "/<parent-directories>/mcp-pkm-logseq",
      "run",
      "mcp-pkm-logseq"
    ],
    "env": {
      "LOGSEQ_API_TOKEN": "your-logseq-api-token",
      "LOGSEQ_URL": "http://localhost:12315"
    }
  }
}

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。