kernal-mcp

Name: kernal-mcp
Author: pintomatic

本地服务

github.com/pintomatic记忆与知识25 天前更新

代码仓库

关于 kernal-mcp

Kernal 是面向专业人士的开源知识图谱，可将对话转为相互关联的人员、组织、活动、主题和跟进事项记录。它使用 LLM 提取信息，并将数据存储在本地 SQLite 中，同时提供命令行工具和仪表板。

主要功能

01基于对话提取实体
02关联人员、组织和活动
03模糊匹配以避免重复
04SQLite 本地数据存储
05命令行工具和交互式仪表板

适用场景

01将会议记录整理为关联联系人和活动
02跟踪跟进事项、负责人和截止日期
03查看联系人或组织的历史与关系网络
04以图谱浏览专业关系

MCP 相关

MCP 服务提供记录摄取、实体创建与更正，以及知识图谱查询工具。LLM 解读对话并调用结构化写入工具，Kernal 负责存储和实体匹配。

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": {
    "pintomatic-kernal": {
      "command": "npx",
      "args": [
        "-y",
        "kernal-mcp"
      ]
    }
  }
}

启动命令npx -y kernal-mcp

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

npmkernal-mcp0.2.1stdio

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

Kernal

面向专业人士的开源知识图谱。通过 MCP 从自然对话中自动提取实体和关系。

用自然的方式与 Claude 谈论你的会议、通话和互动。Kernal 会存储人物、组织、主题和关系，构建一个由你掌控的知识图谱。

包含内容（开源）

在自己的机器上本地运行 Kernal 所需的一切：

13 个 MCP 工具 — 数据导入、CRUD、查询、更正（见下方完整列表）
SQLite 数据库 — 本地优先，数据永远不会离开你的机器
由大模型驱动的提取 — Claude 阅读文本、决定提取哪些内容，并调用结构化写入工具
实体消歧 — 模糊匹配 + Levenshtein 距离可防止重复
CLI — init、serve、status、export
云服务 — 使用 API 密钥进行身份验证、速率限制、CORS 和会话管理的 Express.js 服务
仪表板 — React 应用，包含关系网络图、时间线、行动项和概览
50 个测试 — 全面的测试套件

这是一个功能完备的知识图谱，你可以永久免费自行运行。

Andes 提供的内容（托管服务）

对于需要更多功能的团队和专业人士，Andes 提供：

云托管 — 无需自行托管，即可从任何设备访问你的知识图谱
仪表板 — 基于你的数据提供托管的交互式可视化
多用户 — 团队功能、共享知识库、基于角色的访问控制
入门指导与支持 — 我们会为你完成设置，并帮助团队从第一天起就发挥价值
行业工作流 — 为高管猎寻、咨询和专业服务预先构建的模式

开源核心是引擎。Andes 为其提供基础设施、用户体验和支持。

快速开始

npx kernal-mcp init

这会在 ~/.kernal/kernal.db 创建一个 SQLite 数据库，并打印要添加到 Claude Desktop 的配置。

将以下内容添加到你的 claude_desktop_config.json：

{
  "mcpServers": {
    "kernal": {
      "command": "npx",
      "args": ["-y", "kernal-mcp", "serve"]
    }
  }
}

重启 Claude Desktop。然后自然地开始对话：

“今天我和 Nordvik Energy 的 Jonas Lindberg 共进午餐。他是他们的数字化副总裁。我们讨论了他们的云迁移计划，目标是在 Q3 完成。”

Claude 会提取 Jonas、Nordvik Energy 和云迁移主题，并通过 Kernal 的写入工具存储这些信息。然后你可以询问：

“我对 Nordvik Energy 了解多少？” → 提供包含人物、互动和主题的完整简报
“我应该跟进联系谁？” → 显示带有负责人和截止日期的待办行动项
“列出 Nordvik Energy 的所有人员” → 显示按组织筛选的联系人列表

工作原理

Kernal 使用由大模型驱动的提取模式：

告诉 Claude 一场会议、通话或互动的情况
Claude 使用原始文本调用 kernal_remember
Kernal 将文本存储为笔记，并返回提取说明和现有实体（用于去重）
Claude 智能地阅读文本，并调用结构化写入工具（kernal_add_person、kernal_add_org、kernal_add_activity 等）
每次写入都会经过实体消歧，以防止重复
所有提取决策都由大模型作出，不靠正则表达式猜测

MCP 服务是一个纯粹的数据存储。大模型才是大脑。

MCP 工具

数据导入（写入）

工具	描述
`kernal_remember`	存储原始文本，获取提取说明和现有实体列表以便去重
`kernal_add_person`	创建或更新人物（通过姓名模糊匹配自动去重）
`kernal_add_org`	创建或更新组织（自动去重）
`kernal_add_activity`	记录互动，并关联参与者和组织
`kernal_add_action`	创建跟进事项或任务，可选择分配给某个人
`kernal_link`	在任意两个实体（人物、组织或主题）之间建立关系

查询（读取）

工具	描述
`kernal_recall`	按关键词搜索知识库中的所有实体类型
`kernal_people`	列出／搜索联系人——按姓名、组织、职位筛选
`kernal_orgs`	列出／搜索组织——按类型、行业筛选
`kernal_activities`	最近的互动——按类型、人员、日期筛选
`kernal_actions`	未完成的后续事项——按状态、负责人、截止日期筛选
`kernal_context`	某个人员或组织的完整简报——时间线、人脉网络、主题

更正

工具	描述
`kernal_correct`	更新字段、删除实体、合并重复项或重置数据库

存储内容

对于像 “与 Arctura Tech 的 Sofia Andersen 喝了咖啡。她是他们的销售副总裁。我们讨论了他们向亚太地区扩张的事。我需要在周五之前把合作伙伴提案发给她。” 这样的单段描述，Claude 会调用：

kernal_add_person — Sofia Andersen，销售副总裁，任职于 Arctura Tech
kernal_add_org — Arctura Tech
kernal_add_activity — 咖啡会面，今天，参与者：[Sofia Andersen]，组织：[Arctura Tech]
kernal_add_action — “向 Sofia 发送合作伙伴提案”，截止日期为周五，负责人：Sofia Andersen
kernal_link — Sofia → 任职于 → Arctura Tech

每次调用都是大模型有意做出的结构化决策，而不是通过正则表达式猜测。

CLI 命令

kernal init      Create database + print Claude Desktop config
kernal serve     Start MCP server (stdio transport)
kernal status    Show database stats
kernal export    Export database to a file
kernal help      Show help

控制面板

该仓库包含一个 React 控制面板（dashboard/），提供四个视图：

概览 — 实体数量、联系最紧密的人、活动分类
人脉网络 — 交互式力导向图（人员 + 组织）
时间线 — 按时间顺序排列的活动动态，包含参与者和摘要
事项 — 按紧急程度分组的后续事项（已逾期、本周、即将到期）

自然语言命令栏会将查询路由到相应视图（“显示我的人脉网络” → 图表）。

# Start the cloud API server
KERNAL_API_KEY=your-key KERNAL_DB_PATH=~/.kernal/kernal.db npm run cloud

# Start the dashboard (separate terminal)
cd dashboard && npm run dev

数据模型

Kernal 存储 6 种实体类型，并通过通用关系图将它们连接起来：

People ←→ Organizations
  ↕           ↕
Activities ←→ Topics
  ↕
Actions ←→ Notes

所有实体都可以通过 relationships 表与任意其他实体建立关联，从而支持以下查询：

“Sofia 与谁见过面？”（人员 → 活动 → 其他人员）
“与 Nordvik Energy 有关的活动中出现了哪些主题？”（组织 → 人员 → 活动 → 主题）
“Jonas 和 Arctura Tech 之间有什么关联？”（沿图中的路径查找）

安全性

所有 SQL 查询均使用参数化语句（无注入风险）
使用 API 密钥进行身份验证，并采用恒定时间比较（crypto.timingSafeEqual）
CORS 限制为已配置的来源
速率限制（每个 IP 每分钟 120 个请求，可配置）
MCP 会话超时（空闲 30 分钟后清除）
代码中不包含密钥——所有配置均通过环境变量设置
React 控制面板会自动转义所有渲染的数据（无 XSS 风险）

开发

git clone https://github.com/pintomatic/kernal.git
cd kernal
npm install
npm run build
npm test        # 50 tests

自托管云服务

KERNAL_API_KEY=your-secret KERNAL_DB_PATH=~/.kernal/kernal.db npm run cloud

项目包含一个 Dockerfile。环境变量：

变量	默认值	描述
`KERNAL_DB_PATH`	`~/.kernal/kernal.db`	SQLite 数据库路径
`KERNAL_API_KEY`	(云端必需)	用于身份验证的 API 密钥
`KERNAL_CORS_ORIGIN`	`http://localhost:5174`	允许的 CORS 来源（逗号分隔）
`KERNAL_RATE_LIMIT`	`120`	每个 IP 每分钟的最大请求数
`PORT`	`3001`	服务端口

填充演示数据

npx tsx scripts/seed-demo.ts

创建 12 个联系人、18 个组织、19 条活动记录和 123 个关系，构成一个真实的专业服务场景。

许可证

MIT

支持 Markdown

登录后评论

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。

阅读入门指南

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。