文档管理AI服务器

DEVONthink MCP Server是一个集成AI能力的文档管理与研究自动化服务器,提供47种专业工具支持文档操作、知识图谱构建和大规模研究项目自动化。

  • by Hellblazer
  • AppleScript
  • 本地部署
  • 7 星标
  • 更新于
在 GitHub 查看 Hellblazer/dt-mcp

使用说明

DEVONthink MCP服务器

一个模型上下文协议(MCP)服务器,将Claude Desktop和Claude Code与DEVONthink 4集成在一起,提供对DEVON think的AI功能的访问,用于文档管理和研究自动化。

最新更新(v2.1.0-第4阶段):高级研究自动化,具有批量操作、工作流编排和大型研究项目的基础设施。看 第4阶段文件 了解详情。

概述

此MCP服务器提供了一个围绕DEVONthink 4本机功能的包装器,公开了 47个完全实施的专门工具 用于文档操作、知识管理和 高级研究自动化 通过MCP协议。

✅ 所有工具均已100%完成,并已完整实施 -没有存根、模拟或占位符。

主要特点

  • 原生AI集成:使用DEVONthink 4内置的AI分类和相似性检测
  • 高级搜索:带有布尔运算符和字段搜索的完整DEVONthink搜索语法
  • 智能组:访问DEVONthink的组织功能
  • 知识图谱:具有迭代遍历的文档关系映射
  • 研究自动化:研究任务的自动化工作流程
  • 文档智能:分析、比较和综合能力
  • ⚡ 阶段4:大规模研究项目的批量操作、工作流程编排和基础设施

快速开始

先决条件

安装

# Clone and setup
git clone https://github.com/Hellblazer/dt-mcp.git
cd dt-mcp
npm install

# Verify installation
npm run test:scripts

配置

  1. 克劳德桌面 -添加到 claude_desktop_config.json:

    {
      "mcpServers": {
        "devonthink": {
          "command": "node",
          "args": ["/absolute/path/to/dt-mcp/server.js"],
          "env": {}
        }
      }
    }
    
  2. 克劳德代码 -与MCP集成一起使用

  3. 权限 -在系统设置中授予DEVONthink自动化权限

工具参考

核心操作(8个工具)

search_devonthink          # Document search with DEVONthink syntax
read_document              # Document content and metadata
create_document            # New document creation
list_databases             # Database enumeration
update_tags                # Tag management
get_related_documents      # AI-suggested relations
create_smart_group         # Dynamic collections
ocr_document               # Text extraction from PDFs/images

高级搜索和组织(2个工具)

advanced_search            # Full search syntax with operators (AND, OR, NOT, field:value)
list_smart_groups          # Access to DEVONthink's organizational features

知识图谱与关系(5个工具)

build_knowledge_graph      # Visual relationship mapping with depth control
find_shortest_path         # BFS pathfinding between documents
detect_knowledge_clusters  # AI-powered document clustering
find_connections           # Multi-type relationship discovery
compare_documents          # Document similarity analysis

研究自动化(3个工具)

automate_research          # Complete research workflows
organize_findings          # Performance-optimized result organization
create_collection          # Research project collections

文档智能(3个工具)

analyze_document           # Complexity & readability analysis
analyze_document_similarity # Multi-document comparison (performance-optimized)
batch_read_documents       # Parallel document processing

知识综合(8个工具)

synthesize_documents       # Multi-document synthesis (performance-optimized)
extract_themes             # AI theme identification
classify_document          # Native DEVONthink AI classification
get_similar_documents      # AI-powered similarity finding
create_multi_level_summary # Tiered summarization (brief/detailed/full)
track_topic_evolution      # Topic change analysis over time
create_knowledge_timeline  # Chronological knowledge mapping
identify_trends            # Trending topic detection

批量操作(2个工具)

batch_search               # Multiple searches in parallel
batch_read_documents       # Multiple document reads

收藏(2个工具)

create_collection          # Document collections/research threads
add_to_collection          # Add documents to collections

第四阶段:高级研究自动化(6种工具)

bulk_import_urls           # Import multiple URLs concurrently with progress tracking
bulk_download_papers       # Download academic papers in bulk with metadata extraction
create_research_project    # Create comprehensive research project structures
execute_workflow           # Execute predefined research workflows
monitor_operations         # Monitor active operations and system resources
manage_operation_queue     # Manage operation queue with priority control

元工具(1个工具)

get_tool_help              # AI-friendly help system with examples

使用示例

研究工作流程

1. "Search for 'quantum computing' papers from 2023"
   → advanced_search with date:2023 AND quantum AND computing

2. "Build a knowledge graph from the top result" 
   → build_knowledge_graph with depth 3

3. "Create a research collection"
   → create_collection for "Quantum Research Project"

4. "Synthesize the top 5 documents"
   → synthesize_documents with consensus approach

5. "What topics are trending?"
   → identify_trends across databases

高级搜索示例

# Boolean operators
"quantum AND physics OR mathematics"

# Field searches  
"name:quantum tag:physics comment:important"

# Wildcards and fuzzy
"quant* ~quantum"

# Exact phrases
"\"quantum computing\""

# Date ranges
"date:2023 AND kind:pdf"

知识发现

# Find document clusters
detect_knowledge_clusters → Groups by AI themes

# Shortest path between concepts
find_shortest_path from_uuid to_uuid → Connection chain

# Document similarity
get_similar_documents uuid → AI-ranked related documents

# Smart groups
list_smart_groups → All organizational smart groups

第四阶段:大规模研究自动化

# Bulk operations
bulk_import_urls ["url1", "url2", "url3"] → Import multiple URLs concurrently
bulk_download_papers [{source: "arxiv", id: "2301.00001"}, {...}] → Download papers

# Research project setup  
create_research_project "Quantum AI Research" → Full project structure + initial sources

# Workflow orchestration
execute_workflow "academic_research" {topic: "quantum computing"} → Multi-step automation

# System monitoring
monitor_operations → Real-time progress, resource usage, active operations
manage_operation_queue "pause" → Control concurrent operations

技术规格

参数限制和验证

  • 批量操作:每批最多1000件,以获得最佳性能
  • 搜索结果:默认限制50,最大1000(较大的结果可能会超时)
  • UUID格式:标准格式 XXXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX 不区分大小写
  • 超时:单个操作2分钟后超时,复杂操作10分钟后超时

性能指南

操作 建议限制 性能影响
batch_search 最多20个查询 线性缩放
batch_read_documents 100个文档 内存密集型
synthesize_documents 50个文档 CPU密集型(使用优化)
track_topic_evolution 所有时间段 可能返回200+条记录

文档类型支持

OCR功能

  • 支持:PDF(基于图像)、PNG、JPEG、TIFF、GIF
  • 不支持:基于文本的PDF(已有文本)、Word文档、电子表格
  • 备注:使用 ocr_document 仅适用于基于图像的文档

文档创建

  • 支持的类型: markdown, rtf, txt
  • 文件扩展名:根据类型自动添加
  • 内容效度:名称和内容必须是非空字符串

错误处理

所有工具都返回结构化错误响应:

{
  "error": "Descriptive error message",
  "details": {
    "tool": "tool_name", 
    "timestamp": "ISO-8601",
    "context": "additional_context"
  }
}

响应格式标准

成功操作返回:

{
  "status": "success",
  "data": { /* tool-specific data */ },
  "metadata": {
    "timestamp": "ISO-8601",
    "tool": "tool_name"
  }
}

建筑

设计理念

Claude ↔ MCP Server ↔ DEVONthink 4 AI
   ↑         ↑              ↑
Request   Thin Wrapper   Native AI

该服务器封装了DEVONthink 4的原生AI功能,而不是重新实现它们,提供了对训练模型和优化算法的直接访问。

演出

优化的操作

有几个工具具有性能优化的变体,可以对文档内容进行采样以实现更快的处理:

操作 原始时间 优化时间 采样策略
综合文档 30+秒 <1秒 前200字/文档
analyze_document_symilarity 2+分钟 <1秒 前100个单词/文档
主题提取 变量 0.26s 原生AI分类
分类 变量 <1s 原生AI模型

性能特点

  • 自动优化:工具在可用时自动使用优化版本
  • 智能回退:当优化版本返回的数据不足时,返回完整分析
  • 可配置超时:长操作具有可配置的超时保护
  • 结果验证:在接受优化输出之前确保质量结果

测试与质量

测试覆盖率

# Quick validation (30 seconds)
npm run test:scripts

# Comprehensive testing (2-5 minutes)  
npm run test:comprehensive

# Individual tool testing
npm run test:tool synthesize_documents '{"documentUUIDs": ["UUID1", "UUID2"], "synthesisType": "summary"}'

# Interactive exploration
npm run test:mcp

质量指标

  • 成功率:>95%用于生产构建
  • 演出:对于大多数具有智能优化的操作来说,都是次秒级
  • 错误处理:具有优雅回退的结构化JSON错误响应
  • 文档:完整的工具介绍,包括示例和性能说明
  • 代码质量:AppleScript linting用于保留字和语法验证

发展

添加新工具

  1. AppleScript:创建于 scripts/devonthink/new_feature.applescript
  2. 服务方法:添加到 src/services/devonthink.js
  3. 工具注册:注册 server.js 通过Zod验证
  4. 测试:添加到测试套件
  5. 文档:更新README和CLAUDE.md

性能指南

  • 在可用时使用DEVONthink的原生AI功能
  • 为计算成本高昂的操作创建优化版本
  • 智能地采样文档内容(例如,前N个单词)
  • 直接实现结构算法(BFS、寻路)
  • 添加超时保护和回退机制
  • 在接受优化输出之前验证结果
  • 在工具响应中包含性能指标

第四阶段:高级研究自动化

阶段4 将DEVONthink MCP服务器从单个操作转换为复杂的研究自动化平台。这一阶段引入了基础设施组件,使大型研究项目能够进行批量操作和工作流编排。

基础设施组件

  • 🔄 操作队列:通过优先级调度和资源限制管理并发操作
  • 📊 进度跟踪器:通过ETA计算和子操作支持进行实时进度跟踪
  • 🖥️ 资源监视器:具有内存跟踪和性能警报的系统资源监控
  • 🤖 工作流自动化:具有内置研究模板的多步骤工作流编排

可用的研究工作流程

  1. 学术研究:搜索→ 下载→ 组织→ 合成→ 报告
  2. 文献综述:收集→ 分类→ 比较→ 时间线→ 合成
  3. 数据收集:进口→ 过程→ 验证→ 结构→ 出口

性能优势

  • 并发处理:通过智能排队同时处理10+个操作
  • 进度可见性:长时间运行的研究任务的实时更新
  • 资源意识:基于系统性能的自动节流
  • 工作流模板:用于常见研究模式的预构建自动化

用例

  • 研究人员:批量下载并整理来自多个来源的研究论文
  • 内容策划人:导入和处理数十个URL,并自动组织
  • 知识工作者:以最少的人工干预执行复杂的研究工作流程
  • 数据科学家:自动化文献综述和知识综合

项目状态

  • 版本2.1.0(第4阶段)
  • 实施: ✅ 100%完成 -所有47个工具均已完全实施
  • 工具:47个专用MCP工具(包括6个第4阶段工具)
  • 基础设施:76903+行自动化代码
  • 测试:综合测试套件+CI/CD+第4阶段验证
  • 建筑:具有生产就绪基础设施的原生AI包装器
  • 质量:生产准备就绪,可进行批量操作和工作流编排
  • 状态: 🚀 没有存根或占位符 -所有功能均已实现

贡献

  1. 分叉存储库
  2. 创建要素分支
  3. 添加新功能的测试
  4. 确保所有测试通过: npm run test:comprehensive
  5. 提交拉取请求

许可证

MIT许可证-请参阅 许可证 文件以获取详细信息。

相关


状态:生产就绪
建筑:围绕DEVONthink 4原生AI功能进行包装