本地MCP工作流
一款桌面应用程序，通过快速的本地搜索，为AI助手提供对您的Workflowy帐户的完全读/写访问权限。与简单的API包装器不同，它通过全文搜索将整个大纲缓存在本地SQLite数据库中，因此您的人工智能可以在不达到API速率限制的情况下立即搜索数十万个节点。您的API密钥永远不会离开您的机器。
为什么存在
Workflowy的API没有搜索端点，并且对完全导出有严格的1请求/分钟速率限制。这使得需要探索你的大纲的人工智能助手直接访问API的速度非常慢。该服务器通过本地缓存、即时全文搜索、带上下文的书签和AI可配置指令解决了这个问题，所有这些都可以通过一个简单的桌面应用程序实现。
特性
- 11工具 用于管理工作流节点、缓存和备份
- 本地SQLite缓存 在所有节点上进行快速全文搜索
- 每日完整帐户备份 以JSON快照的形式存储在本地
- 可配置的备份保留 --可选择仅保留最新的N个备份
- 书签 使用上下文注释保存常用节点位置
- AI指令 --在Workflowy中创建一个“AI指令”节点，以在会话之间自定义LLM行为
- 访问时同步 -从Workflowy API读取自动同步，因此数据始终是新鲜的
- 可定制的 调整人工智能行为的服务器指令和工具描述
- MCP记录 --实时查看桌面应用程序中的服务器活动
- 完全本地化 -API密钥永远不会离开您的计算机
安装
- 从下载最新版本
- macOS（苹果硅）：下载 aarch64.dmg 文件 - macOS（英特尔）：下载 x64.dmg 文件 - Linux（x64）：下载 amd64.AppImage 文件 - Windows（x64）：下载 .msi 安装程序或 .exe 安装文件 - 忽略 .sig, .tar.gz，以及 latest.json 文件，除非您正在调试更新或手动验证签名
- macOS用户：应用程序已签名，因此您可以安装并打开匹配的应用程序
.dmg通常
- Linux用户：使AppImage可执行(
chmod +x Workflowy.MCP_*_amd64.AppImage)并直接运行它
- windows用户：the
.msi是标准的Windows安装程序；这.exe是用于相同x64版本的替代安装包
- 打开应用程序并输入您的Workflowy API密钥
- 得到一个在 workflowy.com/api-reference
- 去 设置 选项卡，并按照MCP客户端（Claude Code、Claude Desktop、Cursor或任何支持MCP的应用程序）的说明进行操作
- 重新启动MCP客户端——工作流工具现在可用
可用工具
| 工具 | 说明 |
|---|---|
list_bookmarks | 列出所有保存的书签和用户的自定义AI指令。 在每次谈话开始时都这样称呼。 |
save_bookmark | 使用友好的名称和上下文注释保存节点ID，以备将来会话使用 |
delete_bookmark | 按名称删除已保存的书签 |
read_doc | 通过LLM Doc API读取节点及其子节点。支持日历目标(today, tomorrow, next_week, inbox)以及可配置的深度（1-10）。以JSON格式返回标签。 |
edit_doc | 通过LLM Doc API编辑节点。支持 insert, update，以及 delete 在一次通话中进行操作。可以用一个请求创建嵌套结构。 |
search_nodes | 按文本搜索本地缓存的节点。返回带有面包屑路径的结果以及每个结果子项的预览。 |
sync_nodes | 将所有Workflowy节点完全同步到本地缓存（速率限制为每分钟1个请求） |
list_backups | 列出存储的完整帐户备份快照，包括ID、时间戳、大小和文件路径 |
create_backup | 按需创建新的完整帐户备份快照 |
restore_backup | 从存储的备份快照还原本地搜索/缓存数据库 |
export_backup | 将存储的备份快照复制到另一个文件路径或目录 |
运作原理
服务器使用Workflowy的LLM Doc API进行读取和写入，并使用本地SQLite缓存进行搜索：
- API LLM文件:
read_doc和edit_doc调用工作流/api/llm/doc/read/和/api/llm/doc/edit直接用于实时访问的端点 - 日历目标：使用
today,tomorrow,next_week，或inbox作为节点ID-API自动处理日期解析 - 批量操作:
edit_doc可以在单个API调用中执行多个插入/更新/删除操作 - 用于搜索的本地缓存:
search_nodes使用SQLite缓存，当过时（>1小时）时自动同步 - 每日备份：a完整
nodes-export服务器运行时，快照每天保存一次 - 保留控制：设置可选的最大备份计数；未设置时，将保留所有备份
- 速率限制：工作流程
nodes-exportAPI（用于缓存同步）限制为每分钟1个请求；LLM Doc API没有费率限制
桌面应用
基于Tauri的桌面应用程序提供了一个用于配置和监控的UI：
- API密钥 -输入并验证Workflowy API密钥
- 工具 --自定义服务器指令和单个工具描述以调整AI行为
- 设置 --复制粘贴Claude Code、Claude Desktop和Cursor的配置片段
- 书签 --查看、编辑上下文和删除已保存的书签
- 缓存 --查看缓存状态并触发手动同步
- 日志 --实时查看MCP服务器日志（每3秒自动刷新一次）
AI指令
您可以在Workflowy中创建一个名为“AI Instructions”的节点，以设置LLM与数据交互的持久首选项。例如：
- “始终将新任务添加到我的#收件箱”
- 对任务使用复选框，而不是项目符号
- “我的日历在‘每日笔记>2025’下”
LLM将搜索此节点，并将其另存为保留节点 ai_instructions 书签，并在每次对话开始时自动加载。
数据存储
所有数据都存储在本地应用程序数据目录中：
| 平台 | 路径 |
|---|---|
| macOS | ~/Library/Application Support/com.workflowy.local-mcp/ |
| 窗户 | %APPDATA%\com.workflowy.local-mcp\ |
| Linux | ~/.local/share/com.workflowy.local-mcp/ |
存储的文件： config.json （设置）， bookmarks.db （带书签和节点缓存的SQLite数据库）， mcp-logs.json （服务器日志）， backups/ （每日完整帐户导出快照和元数据）。
API密钥也可以通过 WORKFLOWY_API_KEY 环境变量而不是app配置。
使用
从源头构建
需要Node.js 18+和Rust。
npm install
npm run tauri build这将运行前端构建(tsc && vite build)，将MCP服务器与esbuild捆绑在一起(npm run build:mcp)，并将所有内容打包到Tauri桌面应用程序中。