Bear Notes MCP Server with RAG

想要通过AI助手增强你的Bear Notes体验吗？这个小工具通过语义搜索和RAG（检索增强生成）将你的个人知识库连接到AI系统。

我之所以构建这个工具，是因为我希望我的AI助手能够真正理解我的笔记内容，而不仅仅是进行简单的文本匹配。结果非常令人满意，如果我可以这么说的话。

开始使用

设置过程非常简单：

git clone [your-repo-url]
cd bear-mcp-server
npm install

使脚本可执行（因为权限很重要）：

chmod +x src/bear-mcp-server.js
chmod +x src/create-index.js

首先：索引你的笔记

在深入之前，你需要创建笔记的向量嵌入：

npm run index

温馨提示：如果你像我一样是一个高产的笔记作者，这可能需要几分钟时间。它会将你所有的笔记转换成捕捉其意义的数学向量——非常聪明的东西😉。

配置

更新你的MCP配置文件：

{
  "mcpServers": {
    "bear-notes": {
      "command": "node",
      "args": [
        "/absolute/path/to/bear-mcp-server/src/bear-mcp-server.js"
      ],
      "env": {
        "BEAR_DATABASE_PATH": "/Users/yourusername/Library/Group Containers/9K33E3U3T4.net.shinyfrog.net.bear/Application Data/database.sqlite"
      }
    }
  }
}

🚨 请记得将路径替换为你实际的安装位置。直接使用示例路径是不会有奖励的，恐怕。

为什么特别？

• 语义搜索：根据意思而不是仅凭关键词查找笔记。询问关于“生产力系统”的信息，它会找到你有关GTD和番茄工作法的笔记，即使它们不包含这些确切的词语。
• RAG支持：你的AI助手现在可以从你的笔记中提取相关上下文，即使你没有明确提到它们。
• 全部本地处理：所有操作都在你的机器上运行。数据不会离开你的电脑，不需要API密钥，也不依赖互联网（初始设置后）。
• 优雅的回退机制：如果由于某种原因无法使用语义搜索，它会安静地回退到传统的搜索方式。双重保险。

工作原理

聪明的部分

该服务器使用Xenova实现的transformers.js与all-MiniLM-L6-v2模型：

• 它创建了384维向量来捕捉笔记的语义本质
• 所有处理都在你的机器上本地完成
• 第一次启动时可能会有点慢，因为模型正在加载，但之后就会变得非常快

流程

1. 你的查询通过变换器模型转换为一个向量
2. 这个向量与预先索引的笔记向量进行比较
3. 返回具有相似意义的笔记，无论是否精确匹配关键词
4. AI助手利用这些相关的笔记作为响应的上下文

项目结构

这里没有什么太复杂的：

bear-mcp-server/
├── package.json
├── readme.md
└── src/
    ├── bear-mcp-server.js     # Main MCP server
    ├── create-index.js        # Script to index notes
    ├── utils.js               # Utility functions
    ├── lib/                   # Additional utilities and diagnostic scripts
    │   └── explore-database.js # Database exploration and diagnostic tool
    ├── note_vectors.index     # Generated vector index (after indexing)
    └── note_vectors.json      # Note ID mapping (after indexing)

可供AI助手使用的工具

连接到此服务器的AI助手可以使用以下工具：

1. search_notes: 查找与查询匹配的笔记

   • 参数: query (必需), limit (可选, 默认: 10), semantic (可选, 默认: true)

2. get_note: 通过ID获取特定的笔记

   • 参数: id (必需)

3. get_tags: 列出您在Bear Notes中使用的所有标签

4. retrieve_for_rag: 获取与查询语义相似的笔记，特别格式化用于RAG

   • 参数: query (必需), limit (可选, 默认: 5)

要求

• Node.js 版本 16 或更高
• macOS 上的 Bear Notes
• 兼容MCP的AI助手客户端

限制与注意事项

• 只读访问Bear Notes（我们不会修改您的宝贵笔记）
• 仅限macOS（对Windows和Linux用户表示歉意）
• 如果您添加了大量的新笔记，您可能需要使用 npm run index 重建索引
• 首次启动时，由于嵌入模型加载，可能会有点像等待水壶烧开一样慢

故障排除

如果出现问题：

1. 仔细检查您的Bear数据库路径
2. 确保已经运行了索引过程 npm run index
3. 检查Bear Notes数据库的权限
4. 确认服务器脚本是可执行的
5. 在日志中查找错误信息

当不确定时，尝试重启。这比我们愿意承认的次数更有效。

许可证

MIT（随意修改、分享和改进）