Bear Notes MCP Server with RAG

想要通过AI助手增强Bear Notes的使用体验吗？这款小巧的工具利用语义搜索和RAG（检索增强生成）技术，将你的个人知识库与AI系统连接起来。

我创建这个是因为我希望我的AI助手能够真正理解我的笔记内容，而不仅仅是进行简单的文本匹配。结果相当不错，如果我说实话的话。

开始使用

设置非常简单：

git clone [your-repo-url]
cd bear-mcp-server
npm install

使脚本可执行（因为权限很重要）：

chmod +x src/bear-mcp-server.js
chmod +x src/create-index.js

首要任务：索引你的笔记

在开始之前，你需要创建笔记的向量嵌入：

npm run index

请注意：如果你像我一样是个笔记狂人，这可能需要几分钟时间。它会将所有笔记转换成捕捉其含义的数学向量——很聪明的东西😉。

配置

更新你的MCP配置文件：

{
  "mcpServers": {
    "bear-notes": {
      "command": "node",
      "args": [
        "/absolute/path/to/bear-mcp-server/src/bear-mcp-server.js"
      ],
      "env": {
        "BEAR_DATABASE_PATH": "/Users/yourusername/Library/Group Containers/9K33E3U3T4.net.shinyfrog.net.bear/Application Data/database.sqlite"
      }
    }
  }
}

🚨 记得用实际安装位置替换路径。直接使用示例路径不会得到任何奖励，恐怕如此。

它的独特之处是什么？

• 语义搜索：根据意义而不是关键词查找笔记。询问“生产力系统”，即使笔记中没有这些确切词汇，它也会找到关于GTD和番茄工作法的笔记。

• RAG支持：你的AI助手现在可以从你的笔记中提取相关上下文，即使你没有明确提到它们。

• 全部本地处理：一切都在你的机器上运行。没有任何数据离开你的计算机，不需要API密钥，也不依赖互联网（初始设置后）。

• 优雅的回退机制：如果由于某种原因无法使用语义搜索，它会悄悄地回退到传统的搜索。双保险。

它是如何工作的

精妙之处

该服务器使用Xenova实现的transformers.js以及all-MiniLM-L6-v2模型：

• 它创建了捕获笔记语义本质的384维向量
• 所有处理都在你的机器上本地进行
• 第一次启动时，模型加载可能会稍慢，但之后速度很快

流程

1. 使用变换器模型将查询转换为向量
2. 将此向量与预索引的笔记向量进行比较
3. 返回具有相似含义的笔记，而不考虑精确的关键词匹配
4. AI助手使用这些相关的笔记作为响应的上下文

项目结构

这里没有什么太复杂的内容：

bear-mcp-server/
├── package.json
├── readme.md
└── src/
    ├── bear-mcp-server.js     # 主MCP服务器
    ├── create-index.js        # 索引笔记的脚本
    ├── utils.js               # 工具函数
    ├── lib/                   # 额外的工具和诊断脚本
    │   └── explore-database.js # 数据库探索和诊断工具
    ├── note_vectors.index     # 生成的向量索引（索引后）
    └── note_vectors.json      # 笔记ID映射（索引后）

可供AI助手使用的工具

连接到此服务器的AI助手可以使用以下工具：

1. search_notes：查找与查询匹配的笔记

   • 参数：query（必需），limit（可选，默认值：110），semantic（可选，默认值：true）

2. get_note：通过ID获取特定笔记

   • 参数：id（必需）

3. get_tags：列出你在Bear Notes中使用的所有标签

4. retrieve_for_rag：获取与查询语义相似的笔记，特别为RAG格式化

   • 参数：query（必需），limit（可选，默认值：5）

要求

• Node.js版本16或更高
• macOS上的Bear Notes
• 兼容MCP的AI助手客户端

局限性及注意事项

• 对Bear Notes的只读访问（我们不会修改你宝贵的笔记）
• 仅限macOS（对不起Windows和Linux用户）
• 如果添加了大量的新笔记，你可能需要通过npm run index重建索引
• 第一次启动就像等待水壶烧开一样，因为嵌入模型正在加载

故障排除

如果出现问题：

1. 再次检查Bear数据库路径
2. 确保已经运行了索引过程npm run index
3. 检查Bear Notes数据库的权限
4. 验证服务器脚本是否可执行
5. 查看日志中的错误消息

不确定时，尝试关闭再打开。比我们愿意承认的更有效。

🐳 使用Docker运行（可选）

喜欢容器吗？你也可以在Docker中运行所有内容。

1. 构建Docker镜像

docker build -t bear-mcp-server .

2. 索引你的笔记

在任何有用的事情发生之前，你仍然需要运行索引步骤：

docker run \
  -v /path/to/your/NoteDatabase.sqlite:/app/database.sqlite \
  -e BEAR_DATABASE_PATH=/app/database.sqlite \
  bear-mcp-server \
  npm run index

🛠 替换/path/to/your/NoteDatabase.sqlite为你实际的Bear数据库路径。

3. 启动服务器

一旦完成索引，就可以启动了：

docker run \
  -v /path/to/your/NoteDatabase.sqlite:/app/database.sqlite \
  -e BEAR_DATABASE_PATH=/app/database.sqlite \
  -p 8000:8000 \
  bear-mcp-server

就这样——你的AI助手现在在一个容器中运行，并与你的笔记交流。

许可

MIT（随意修改、分享和改进）