Agent 与自动化AI 资源

precis-mcp：为 LLM Agent 提供统一读写检索 API 的 MCP 服务器

retospect/precis-mcp · MCP server giving LLM agents a seven-verb API over papers, documents, code, state, patents, and cached web/Wolfram/YouTube tool calls

GitHub原文发布未知首次收录 2026-10-05上架 2026-10-05 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

precis-mcp 是一个 Model Context Protocol（MCP）服务器，面向 7B 级别的语言模型 Agent，用八个动词（get/search/put/edit/delete/tag/link/more）加一个 kind= 参数，在论文、专利、文档、代码、个人状态与缓存工具调用等三类内容上提供统一接口。内容存储在 PostgreSQL 与 pgvector 中，支持混合词法检索与语义检索，并提供 Web 界面。工具种类可按可选扩展与环境变量启用或关闭，可选种类缺失时自动从工具面上消失。

# MCP # pgvector # token-optimization # 知识管理 # semantic-search

核心能力与快速开始

★ 4 · Python

能做什么: 提供 MCP 服务器，以八个动词（get/search/put/edit/delete/tag/link/more）通过单一 kind= 参数统一访问三类内容：论文/专利/提案/技能等阅读与参考资料、PRECIS_ROOT 下的 markdown/plaintext/tex/python 文件与代码、以及 draft/cad/se/nm/structure/pcb 等撰写产物；还覆盖 todo、memory、anki 等个人状态与知识条目，以及 calc、math、youtube、web、wikipedia、websearch 等无状态或带缓存的工具种类。检索为 tsvector 词法检索与 pgvector 语义检索的 RRF 融合。支持基于内容锚点的文件区域编辑、标签命名空间与交叉链接、光标分页。提供单工具 profile（PRECIS_MCP_PROFILE=command），将多工具 schema 收缩为约 850 字节的固定 schema。内置确定性、无 API 的工具种类，如 SymPy/Pint 计算、绘图、Mermaid、docx/tex 导出、CAD STL/3MF 导出与 CIF 对称性处理。
适用场景: 为语言模型 Agent 提供跨论文、文档、代码与个人记录的统一检索与写入入口；在 Agent 工作流中做语义检索与关键词检索混合召回；用 todo、memory、anki、citation、finding 等种类管理个人知识与证据链；通过 cad/se/nm/structure/pcb 等种类让 LLM 撰写并导出设计产物；通过 math、web、youtube、websearch 等种类为 Agent 接入外部信息与计算。
项目形态: 可直接使用的工具
部署方式: 未说明；README 给出 pip install 'precis-mcp[all]' 安装方式，precis serve 通过 stdio 提供 MCP，并有单机（docs/setup-single-machine.md）与多主机集群（deploy/README.md）部署文档；需要 PostgreSQL 与 pgvector 扩展，通过 precis migrate 执行迁移。
主要依赖: 需要 Python 环境与 PostgreSQL（含 vector 扩展）。可选扩展按需安装，其中 embed（bge-m3 嵌入，约 2 GB 模型）、paper（Marker，需 torch）、cad-step（约 200 MB OCCT）、dft-ml（MACE-torch，需 torch）、chem（约 150 MB）、tts 属于较重或与主机相关的扩展。部分种类需要相应环境变量与密钥，如 WOLFRAM_APP_ID、PERPLEXITY_API_KEY、EPO_OPS_CLIENT_KEY/SECRET、ORCID_CLIENT_ID/SECRET、PRECIS_DIGIKEY_CLIENT_ID/SECRET 等；README 称共读取约 150 个 PRECIS_* 变量。
使用限制: README 说明项目在 v8 线活跃开发中，没有 CHANGELOG，git log 即为变更记录；工具种类目录是动态的，权威枚举需向运行中的服务器查询 get(kind='skill', id='precis-help')。README 未说明许可证条款之外的商业使用条件、API 成本与限额、具体硬件需求；GPL-3.0 许可不代表可无条件商用。依赖项缺失或环境变量未配置时对应种类会从工具面消失，功能完整性取决于部署配置。
许可证: GPL-3.0
最近推送: 2026-10-05 06:36

核对 README 依据 ↗

资料检查：2026-10-05 07:00 · 卡片整理：2026-10-05 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

相似资源

OpenKnowledge：AI 原生 Markdown 编辑器与 LLM Wiki 知识库

OpenKnowledge 是一个基于 TypeScript 的 WYSIWYG Markdown 编辑器，提供桌面应用与 Web UI，可与 Claude、Codex、OpenCode 等 AI 工具侧边栏并行编辑，并内置 MCP、skills 与面向 agent 的搜索，用于构建 LLM Wiki、第二大脑和结构化知识库。项目支持打开现有 Markdown/MDX 文件夹，并可选基于 git/GitHub 的团队共享与自动同步。

Fortémi：自托管 AI 知识库与混合检索检索增强平台

Fortémi 是一个面向 AI 应用的自托管智能数据库，基于 Rust 与 PostgreSQL 构建。它在统一的规范化 schema 之上集成了 BM25 全文检索、稠密向量检索与 RRF 融合的混合语义搜索，并提供知识图谱、MCP 服务器（44 个 Agent 工具）、多模态数据摄取（图像视觉、音频转写与说话人分离、视频场景分析、3D 模型渲染、邮件与表格解析等 13 类适配器）、131 种文档类型自动识别，以及 Ollama、OpenAI、OpenRouter、llama.cpp 多provider 推理切换。适用于知识管理、检索增强生成（RAG）、智能体记忆和团队文档等场景，支持从纯 CPU 到 GPU 的部署形态。

OCDS-MCP：连接 AI 助手与德国公共采购招标数据的语义搜索引擎

面向德国 OCDS（开放合同数据标准）公共采购数据的开源框架，通过 MCP（模型上下文协议）接口把招标信息标准化后暴露给 AI 助手，支持语义化招标检索、基于嵌入的相似招标匹配，以及从公开投标历史生成公司画像。系统包含数据摄取、归一化、向量嵌入、语义搜索索引和 MCP 接口等模块，并提供 React 界面与多语言支持。可使用 OpenAI 嵌入与 Claude 推理 API 进行语义理解。

Multimodal Knowledge Engine：本地优先的可溯源证据引擎，为文档与媒体提供 Agent 可调用的检索与问答

MKE 是一个本地优先、可由 Agent 调用的证据引擎，用于对本地文档与媒体进行摄取、检索和问答。它通过 Source、Run、active Publication、Evidence、Consumer 五层模型管理证据生命周期：只有经过 Run 验证并激活为 Publication 的内容才能被 Search 和 Ask 读取，失败或不完整的处理不会进入检索范围。结果以 mke.evidence_ref.v1 形式携带来源指纹、Publication 版本、Run 和页码或时间戳定位信息。项目同时提供 Python、CLI 和 stdio MCP 三种接口，共享同一应用服务契约，支持文本层 PDF、短视频以及有界直读音频的本地摄取与检索，并支持将已验证的 Publication 导出为 Compiled Library。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。