MCP与本地知识库

691 字约 2 分钟

domain/aiai/mcp

2026-07-24

1. 核心结论

MCP 为 AI 应用访问本地知识库提供了标准化接口
通过 Filesystem Server 或自定义 Server，AI 可以读取本地文档
MCP 方式比传统 RAG 更轻量，适合个人和小团队使用
本地知识库接入需要考虑文件权限、格式解析和更新同步
MCP + RAG 结合可以实现更强大的知识检索能力

2. 基础概念

Local Knowledge Base：存储在本地设备上的文档集合。

Filesystem Server：MCP 官方提供的文件系统访问 Server。

Document Parsing：解析不同格式文档（PDF、Markdown、Word 等）。

Indexing：为文档建立索引，支持快速检索。

Sync：知识库更新同步机制。

Permission：文件访问权限控制。

3. 工作原理

MCP 接入本地知识库流程：

知识库准备：
- 整理文档目录结构
- 统一文档格式（推荐 Markdown）
- 添加元数据（标签、分类）
Server 配置：
- 使用 Filesystem Server
- 配置允许访问的目录
- 设置读写权限
文档访问：
- AI 应用通过 MCP 读取文档
- 支持目录浏览和文件读取
- 支持文件搜索
知识检索：
- 简单场景：直接读取相关文档
- 复杂场景：结合向量检索
- 混合策略：MCP + RAG
更新维护：
- 定期同步文档变更
- 更新向量索引（如使用 RAG）
- 维护文档元数据

配置示例：

{
  "mcpServers": {
    "knowledge-base": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/me/knowledge-base"
      ]
    }
  }
}

知识库组织建议：

knowledge-base/
├── 01_Foundations/
│   ├── AI基础认知.md
│   └── 机器学习基础.md
├── 02_LLM/
│   └── Prompt Engineering.md
├── index.md
└── tags.md

4. 实战场景

个人笔记库：Obsidian、Logseq 笔记访问
项目文档：技术文档、API 文档
企业知识库：员工手册、流程文档
研究资料：论文、报告、数据集
代码文档：README、设计文档

5. 常见误区

目录结构混乱：没有组织好文档
权限设置过宽：暴露敏感文件
不处理格式差异：不同格式文档解析效果不同
忽视文档更新：知识库过时
期望过高：MCP 只提供访问能力，不自动检索

6. 进阶方向

自动文档分类
智能索引构建
MCP + 向量检索集成
文档版本管理
多设备同步
知识图谱构建

7. 推荐资料

MCP Filesystem Server - https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem
Obsidian MCP Server - https://github.com/StevenStavrakis/obsidian-mcp
MCP Quickstart - https://modelcontextprotocol.io/quickstart/user
Building Knowledge Systems - https://docs.anthropic.com/en/docs/build-with-claude/knowledge-bases