BYO-WIKI MCP
Личная вики на LLM: граф знаний, RAG с цитатами и память, а MCP-сервер отдает их Claude Code, Claude Desktop и Cursor
- 276 ★ репозитория
- Последний коммит
Расширенный доступ
Почему такой уровень
- Приложение скачивает страницы из интернета, пишет файлы в `data/` и отправляет тексты провайдерам моделей и эмбеддингов
- Режим MCP-клиента подключает внешние серверы вроде Supabase и GitHub: чтение допущено, запись требует отдельного разрешения и подтверждения
- Конвейер скиллов может запускать Claude Code как подпроцесс для написания скилла
Установка
- Работает в
Ручная установка
pip install -r requirements.txtВыполняйте в клонированном репозитории и виртуальном окружении, затем cp .env.example .env и добавьте ключи.
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Приложение скачивает страницы из интернета, пишет файлы в `data/` и отправляет тексты провайдерам моделей и эмбеддингов
- Режим MCP-клиента подключает внешние серверы вроде Supabase и GitHub: чтение допущено, запись требует отдельного разрешения и подтверждения
- Конвейер скиллов может запускать Claude Code как подпроцесс для написания скилла
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
BYO-WIKI — приложение на Flask, которое превращает страницы из интернета, файлы и заметки в личную вики. Агент на основе `deepagents` сохраняет отрывки, извлекает сущности и связи, склеивает дубликаты, вкладывает темы друг в друга и пишет сводные страницы. Все данные лежат в папке `data/` как JSON и SQLite, облако включается по желанию. Поиск по библиотеке строится как контекстное извлечение в духе Anthropic: двухслойный индекс HNSW по сводкам разделов и фрагментам, затем переранжирование моделью или MMR для охвата нескольких документов. Ответы опираются на источники и приводят цитаты. Память между сессиями вспоминается перед каждым ответом и обновляется после: наблюдения, оценки и поправки, которые заменяют устаревшие заметки. Еще есть конвейер агентных скиллов, который собирает из выбранного контекста новый скилл, оценивает его и ставит на проверку человеку перед добавлением в библиотеку. Модуль `mcp_server.py` запускает все это как MCP-сервер по stdio командой `python mcp_server.py` или `python runner.py --mode mcp-serve`. Через него клиент ищет в графе знаний, получает профиль сущности, статистику слоев, ответ RAG с цитатами, вспоминает память и ищет принятые скиллы. Действие `skill_build` только готовит черновик и оставляет его на проверке. Запись в сторонние MCP-серверы по умолчанию запрещена.
Для кого. Тем, кто копит материалы для исследований и хочет, чтобы Claude Code или Claude Desktop отвечали по личной библиотеке с цитатами, а данные оставались на диске.
Подходит, если
- Статьи, заметки и страницы разбросаны по папкам, и нужен один граф знаний с темами и сводками
- Агент должен отвечать по вашей библиотеке с цитатами, а не из общей памяти модели
- Нужна долговременная память, которая учитывает поправки и заменяет устаревшие записи
- Хочется собрать из накопленного материала новый скилл и пропустить его через оценку и ручную приемку
- Клиентам MCP (Claude Desktop, Claude Code, Cursor) нужен доступ к библиотеке по stdio
Не подходит, если
- Нет ключа `OPENAI_API_KEY`: векторный поиск и ответы RAG требуют эмбеддингов OpenAI даже при другом провайдере чата
- Нужен готовый облачный сервис с учетными записями: BYO-WIKI запускается локально командой `python app.py`
- Нужна лицензия с явными правами на использование: в репозитории лицензия не указана
- Достаточно простого поиска по файлам: граф знаний и RAG тянут за собой Flask, LangChain и индекс HNSW
Пример запроса к агенту
Найди в моей библиотеке BYO-WIKI заметки о контекстном извлечении и ответь на вопрос, чем двухслойный индекс лучше плоского, с цитатамиMCP
- Транспорт
- stdio
- Авторизация
- API-ключ
Переменные окружения
OPENAI_API_KEYобязательная, секрет- Ключ OpenAI для эмбеддингов RAG, нужен независимо от провайдера чата
MCP_ALLOW_WRITES- Значение 1 разрешает записи во внешние MCP-серверы, по умолчанию запрещены
Ограничения
- Ответы RAG требуют `OPENAI_API_KEY` для эмбеддингов `text-embedding-3-small`, потому что у Anthropic нет API эмбеддингов. Это верно при любом провайдере чата.
- Векторную библиотеку нужно сначала построить, иначе инструмент `rag_answer` вернет ошибку.
- Лицензия в репозитории не указана, права на повторное использование кода автор не прописал.
- Запись в подключаемые внешние MCP-серверы выключена и включается только через `MCP_ALLOW_WRITES=1` и явное подтверждение человека.
Как отключить. Уберите блок `byo-wiki` из конфигурации MCP вашего клиента, и сервер перестанет запускаться. Само приложение останавливается завершением процесса `python app.py`. Все данные лежат в папке `data/` (или в `KG_DATA_DIR`), ее можно удалить отдельно.
Частые вопросы
Как подключить BYO-WIKI как MCP-сервер к Claude Desktop или Claude Code?
Установите зависимости и добавьте в конфигурацию MCP сервер `byo-wiki` с командой `python` и аргументом в виде полного пути к `mcp_server.py`. Тот же сервер запускает `python runner.py --mode mcp-serve`. Транспорт stdio.
Какие инструменты отдает сервер?
Поиск по графу знаний, профиль сущности, статистику слоев, ответ RAG с цитатами, вспоминание памяти и поиск принятых скиллов, а также предложение нового скилла через `skill_build`. Он только готовит черновик и оставляет его на проверке.
Нужен ли ключ OpenAI?
Для RAG да: эмбеддинги `text-embedding-3-small` берутся у OpenAI, даже если чат идет через Claude, Qwen, DeepSeek, Gemini или Mistral. Нужен хотя бы один ключ провайдера в `.env`.
Где хранятся данные?
В папке `data/`: граф знаний в JSON, векторы HNSW и контрольные точки SQLite. По описанию проекта это локальный режим, облако подключается только по желанию.
Как запустить веб-интерфейс?
Выполните `pip install -r requirements.txt`, скопируйте `.env.example` в `.env` с ключами, затем `python app.py`. Интерфейс откроется на `http://localhost:5000`.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыDatalog-движок на Rust как рабочая память агента: факты с происхождением, правила вывода и MCP-сервер для Claude Code
CLI и MCP-сервер, который собирает из документов, кода и ссылок локальную вики с графом знаний, а агент ищет по ней вместо перебора файлов
MCP-сервер долговременной памяти для агентов на графе знаний: не сходство векторов, а путь доказательства
Claude Skills MCP — поиск скиллов по смыслу
Claude Skills MCP
MCP-сервер с векторным поиском: агент описывает задачу и получает подходящие скиллы из коллекций Anthropic и K-Dense
Локальная память для кодовых агентов: сессии превращаются в Markdown-вики с историей в git и возвращаются через MCP.
MCP-сервер долгой памяти для агентов: атомарные заметки, поиск по смыслу и граф связей между ними на SQLite или PostgreSQL
Коротко о README
На странице перечислены возможности: агентный граф знаний, контекстный RAG, память, агентные скиллы и MCP в обе стороны. Дальше схема архитектуры, быстрый старт, принцип работы агента, оценка качества и наблюдаемость, описание веб-интерфейса, API и режимов CLI, подключение внешних MCP-серверов и таблица настроек.