MCP x Obsidian:体验智能笔记新境界,Cherry Studio 萌新操作指南

大模型向量数据库机器学习

关注我~第一时间学习如何更好地使用AI。

重要的不是我们是否会被AI替代,

而是我们要比被替代的人更懂AI。

话不多说,先上结论和整活!

mcp-obsidian能够允许模型对我们的Obsidian笔记库进行全局的搜索查询,直接读取特定笔记的内容,还能直接创建新的文件夹、文件,并至少能精准地编辑文件的元数据字段。

结合这些能力,我曾经梦想的,让AI自动对我随手记录的闪念笔记进行内容识别,然后自动编写yaml,打标签,从而实现笔记的全自动化管理,不就技术上可行了?

我们来看一个乞丐版~

上述视频中,我首先给Cherry Studio的默认助手写了一段简单的系统提示词,告诉它在收到我的信息之后该干什么,按照什么格式去帮我在Obsidian中创建笔记。因为是演示目的,所以提示写的很简单,主要是抛砖引玉给大家提供一个思路。

看起来还不错吧~

接下来,我来带大家过一下mcp-obsidian的各项具体能力。

mcp-obsidian能做什么

首先来看看官方介绍:

picture.image

光这么看有点抽象,现在我在Obsidian里新开一个测试仓库,随意建一些文件,然后依次给大家演示下上述基本功能。

picture.image

1.列出库里已有的文件和文件夹

可以看到,模型能够很好的理解我的意图,调用了list_files_in_vault工具获取了这个仓库的根目录 下的文件信息。

picture.image

当然,你也可以指定特定的文件夹(也就是目录)让它查询,它就会调用list_files_in_dir工具返回相关信息。

picture.image

2.读取文件的内容

这个比较直白,模型能够根据要求调用get_file_content工具读取并展示文件内容。

picture.image

3.检索库里的文件

search功能也很好理解,但有意思的是,模型调用的是simple_search,实现了对文件内部具体内容的查找。

那还有啥complex_search吗?

不过,不管怎么说,能够实现直接对笔记内容进行查询,那做智能知识库的朋友就有福了。

picture.image

4.在你的库里新建文件或文件夹

由于patch工具稍微有点问题,我们先来看看append工具。

演示图片中有个小尴尬,我记错了我测试库里的文件夹名字,本来应该在“测试文件夹A”里新建的,结果写prompt的时候写成了“测试A”文件夹。

于是......模型展示了新建文件夹,并在其中新建指定文件的能力......

需要注意的是,这里只调用了一个append_content工具,这意味着它既能建文件夹,又能建文件,还能在文件里添加内容。

但这个添加的内容,只能加在原内容的末尾(毕竟是append)。要实现更复杂的编辑,可能还是需要使用patch工具。

picture.image

5.编辑文件

Patch工具的使用体验比较微妙,根据官方解释,patch工具能在既有的笔记里插入内容,而插入的指令需要与heading(标题)、block reference(块引用),或者frontmatter field(前置元数据字段)相关联。

因此,为了测试,我专门建了一个笔记:

picture.image

现在,我要求模型在“一级标题1”和“二级标题”这两个heading之间插入一段话:“MCP真厉害”。

遗憾的是,我测试了很多次,换了很多个模型,即使强如Claude-sonnet-3.7,也最多只能给我一个这样的结果:

picture.image

从截图可以看出,模型对指令的理解完全没有问题,思考过程也是正确的,但就是没法在我要求的位置添加内容。不知道是不是prompt的指令编写有什么特殊要求,还是对Obsidian的文件结构的理解不够准确,还望技术大佬在留言区解惑。

不过,我接着又测试了patch对文件的元数据字段修改的效果,这个倒是轻松完成了。

picture.image

mcp-obsidian不能删除库里的文件

说完了mcp-obsidian能做什么,接下来说说它不能做什么。

经测试,我们无法让模型直接使用mcp-obsidian去删除你库里的东西,大概率是为了文件安全的考量。

但是,你也可以采取一些迂回的方式,比如利用上面Patch工具编辑元数据字段的能力,给你想删除的文件统一打上“待删除”tag,然后就能在Obsidian里通过筛选这个tag来批量删除了。

好了,接下来,我来给大家逐步介绍mcp-obsidian服务器的添加流程。

mcp-obsdian的添加流程

首先,你需要在Obsidian中安装Local REST API插件

picture.image

然后,到Local REST API插件的设置中获取自己的API key。

picture.image

接着,你可以通过Cherry Studio的这个入口进入一个mcp服务集合站点,然后搜索obsidian去获取mcp服务器的其他参数信息。 (当然,以前介绍的那些站点都可以)

picture.image

我用的是点赞最多的这个:

picture.image

接下来的工作,就是来到MCP服务器配置界面,按老规矩填写各项数据了。其中最下面环境变量里需要输入的就是我们刚刚获得的Obsidian的API key,注意在配置窗口的写法是:

OBSIDIAN_API_KEY=直接粘贴不要带符号

picture.image

点击确定,正常的话添加好了~

注意:在使用过程中我还发现一个小细节,那就是有时候,开多个仓库的话,模型会报链接错误的提示。这时把不需要的仓库关掉,再重启MCP服务器,就能恢复正常了。

好了,以上就是本期整活的全部内容,祝大家玩得开心~

—— END——

往期精华:

1.MCP使用

Cherry Studio重大版本更新!手把手教你丝滑配置MCP服务器!

萌新指南|手把手教你Cherry Studio配置MCP,10分钟让大模型学会上网截图!

想玩玩极简版AI Agent?MCP就够了!手把手教你用Cherry Studio整活~

2.Workflow编排

AI工作流编排手把手指南之一:Coze智能体的创建与基本设置

AI工作流编排手把手指南之二:Coze智能体的插件添加与调用

AI工作流编排手把手指南之三:Coze智能体的工作流

3.Prompt设计

打工人看了流泪的Prompt设计原理,如何用老板思维让AI一次听懂需求?

不会Prompt还敢说自己会用DeepSeek?别怕!10分钟让你成为提示大神!

4.AI工具指南

0代码!5分钟,搭建DeepSeek驱动的知识库,小白也能行?!

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
火山引擎大规模机器学习平台架构设计与应用实践
围绕数据加速、模型分布式训练框架建设、大规模异构集群调度、模型开发过程标准化等AI工程化实践,全面分享如何以开发者的极致体验为核心,进行机器学习平台的设计与实现。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论