关于 Sticky Note Mcp Server
Sticky Note Mcp Server 是一个基于 FastMCP 的演示项目,将简单列表扩展为结构化笔记系统,适用于整理任务、想法和项目资料。它结合可搜索的标签笔记,以及用于摘要和路线图的资源与提示词。
主要功能
- 01创建、搜索和更新笔记
- 02按标签和状态筛选
- 03置顶或归档笔记
- 04提供最新笔记和统计资源
- 05提供摘要与路线图提示词
适用场景
- 01跟踪标签任务并归档已完成事项
- 02将头脑风暴想法整理为路线图
- 03按关键词搜索会议笔记
- 04汇总每日记录
MCP 相关
向 MCP 客户端提供笔记管理工具、笔记和统计资源,以及摘要和路线图提示词。
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
AI Sticky Notes MCP 服务
此演示展示了一个使用 FastMCP 构建的功能更丰富的模型上下文协议服务。它将简单的便笺列表转换为结构化的笔记系统,并提供标签、置顶、归档和摘要辅助功能。
功能
- 结构化存储,并自动从旧版
notes.txt文件迁移数据。 - 提供用于创建、列出、搜索、更新、删除和批量清除笔记的工具。
- 每条笔记都可选择设置标签、置顶状态和归档标记。
- 提供可展示最新笔记、置顶笔记和汇总统计数据的资源。
- 提供用于总结笔记或根据特定标签生成路线图的提示词模板。
使用此 MCP 服务可以做什么
此服务可以:
- 创建笔记,为重要事项添加标签并设为置顶
- 列出和筛选笔记,筛选条件包括标签、置顶状态或归档状态
- 搜索笔记内容和标签,以查找特定信息
- 更新现有笔记,修改其内容、标签或状态
- 删除单条笔记,或批量清除所有笔记/归档笔记
- 置顶重要笔记,让它们在摘要中更加醒目
- 归档已完成或过时的笔记,同时保留它们
- 使用 AI 提示词生成摘要,总结活跃笔记
- 根据带标签的笔记创建路线图,规划项目或任务
- 查看统计数据,了解笔记总数、活跃数、归档数和置顶数
- 通过资源获取最新笔记或所有置顶笔记
可用的 MCP 接口
工具
add_note(message, tags=None, pinned=False)– 创建一条新笔记,可选择添加标签(以逗号分隔)并设为置顶read_notes(include_archived=False)– 获取所有笔记,并按创建日期排序(最新的在前)list_notes(limit=20, offset=0, tag=None, pinned_only=False, include_archived=False)– 分页列出笔记并进行筛选search_notes(query, include_archived=False)– 查找消息内容或标签中包含查询文本的笔记update_note(note_id, message=None, tags=None, pinned=None, archived=None)– 修改现有笔记的内容或元数据delete_note(note_id)– 永久删除指定笔记clear_notes(archived_only=False)– 删除所有笔记,或仅删除归档笔记
每个工具都会返回结构化 JSON,调用工具的客户端可以同时显示笔记元数据和原始消息。
资源
notes://latest– 最新一条活跃笔记的文本。notes://pinned– 以换行符分隔的置顶笔记及其标识符。notes://stats– 笔记总数、活跃数、归档数和置顶数。
提示词
note_summary_prompt()– 要求 AI 总结所有活跃笔记,并突出显示置顶笔记note_roadmap_prompt(target_tag=None)– 要求 AI 将匹配的笔记整理成优先级路线图(可选择按标签筛选)
示例用例
- 个人任务管理:将紧急任务设为置顶,按项目添加标签,并归档已完成事项
- 头脑风暴:快速记录想法并添加标签,然后使用路线图提示词整理这些想法
- 会议笔记:使用会议标签保存讨论要点,之后按关键字搜索
- 学习跟踪:保存学习资源或技巧,按主题标签整理
- 项目规划:为功能或 Bug 创建笔记,按标签筛选并生成路线图
- 每日记录:记录一天中的随想,并在一天结束时使用 AI 进行总结
运行服务
激活环境并启动 MCP 服务 CLI:
uv run mcp dev ./main.py
在另一个兼容 MCP 的客户端中,指定生成的清单,或直接调用此服务提供的工具、资源和提示词。
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。