MCP Python Logseq

MCP Logseq知识库

A. 模型上下文协议（MCP） 使AI助手能够与之交互的服务器 Logseq 知识库文件。此服务器提供用于搜索笔记、阅读页面、按标签查询和整合项目信息的工具。

特性

• 全文搜索 在所有具有上下文感知结果的Logseq页面中
• 页面检索 按名称阅读完整的笔记内容
• 基于标签的查询 通过标签查找页面
• 日志导航 具有日期范围过滤功能
• 项目整合 聚合所有标记有项目标记的笔记
• 智能缓存 通过增量索引更新实现最佳性能
• 增量索引 仅重新读取已更改的文件

可用工具

安装

先决条件

• Python 3.10或更高版本
• 诗歌 用于依赖关系管理
• Logseq图形目录

设置

1. 克隆存储库：

   git clone 
   cd mcp-python-logseq

1. 使用Poetry安装依赖项：

   poetry install

使用Claude代码进行配置

使用以下方法之一将此MCP服务器添加到Claude Code：

方法1：使用 claude mcp add

claude mcp add logseq \
  -e LOGSEQ_DIR="~/logseq-graph" \
  -e CACHE_TTL=300 \
  -- poetry run python /path/to/mcp-python-logseq/server.py

方法2：使用 fastmcp install

poetry run fastmcp install claude-code server.py \
  --server-name "logseq" \
  --env LOGSEQ_DIR=~/logseq-graph \
  --env CACHE_TTL=300

配置其他MCP客户端

将以下内容添加到MCP客户端配置中：

{
  "mcpServers": {
    "logseq": {
      "command": "poetry",
      "args": [
        "run",
        "python",
        "/path/to/mcp-python-logseq/server.py"
      ],
      "env": {
        "LOGSEQ_DIR": "~/logseq-graph",
        "CACHE_TTL": "300"
      }
    }
  }
}

环境变量

用法示例

搜索笔记

"Search my notes for 'machine learning'"

AI将使用 search_notes("machine learning") 查找相关内容。

阅读特定页面

"Show me my notes on the Python project"

AI将使用 get_page("Python project") 以检索页面内容。

按标签查询

"What notes do I have tagged with #work?"

AI将使用 get_pages_by_tag("work") 列出所有匹配的页面。

日记账分录

"Show me journal entries from last week"

AI将使用 get_journal_range("2025-03-25", "2025-03-31") 检索条目。

项目整合

"Summarize all my notes for the website redesign project"

AI将使用 consolidate_project("website-redesign") 收集所有相关笔记。

建筑

服务器构建于：

• FastMCP：用于构建MCP服务器的高级Python库
• LogseqIndex：一个自定义索引类，它：

- 扫描 .md Logseq目录中的文件 - 提取元数据（标签、修改时间） - 实施增量更新以提高效率 - 缓存结果以最小化I/O操作

指数化策略

这 LogseqIndex 使用两层缓存策略：

1. 文件索引缓存：根据文件修改时间逐步更新

- 每次进行完整目录扫描 CACHE_TTL 检测新文件/已删除文件的秒数 - 扫描之间仅检查已知文件的快速路径

1. 结果缓存：缓存每个工具具有可配置TTL的工具输出

- 搜索结果：5分钟 - 页面内容：1分钟 - 项目整合：10分钟

发展

项目结构

.
├── server.py              # Main MCP server implementation
├── pyproject.toml         # Poetry configuration
├── README.md             # This file
├── doc.md                # Installation guide
├── fastmcp_documentation.md  # FastMCP reference
└── command.txt           # Example CLI commands

本地运行

# Set environment variables
export LOGSEQ_DIR="~/Documents/MyLogseqGraph"
export CACHE_TTL=300

# Run the server
poetry run python server.py

MCP检验员测试

npx @modelcontextprotocol/inspector poetry run python server.py

需求

• Python>=3.10，\= 3.1.1, < 4.0.0`

看 pyproject.toml 对于完整的依赖性规范。

许可证

本项目根据GNU通用公共许可证v3.0（GPL-3.0）获得许可。看 许可证 了解详情。

贡献

欢迎投稿！请随时提交问题或拉取请求。

致谢

• 建于 FastMCP 作者：乔希·费尔
• 灵感来自 模型上下文协议 规格
• 为与集成而创建 Logseq 个人知识管理

______________________________________________________________________

备注：这是一个社区项目，与Logseq或Anthropic没有正式联系。