Nexus MCP 是一个强大的个人助理 MCP 服务器,它集成了包括谷歌日历、Obsidian 知识库、Trello 等多种服务,还具备网页解析能力。该服务器基于 FastMCP 构建,为管理你的数字生活提供了统一的接口。
Nexus MCP 服务器搭建完成后,将为你提供一个集成化的数字生活管理平台,让你可以便捷地管理日历、笔记、Trello 看板等。以下是使用该服务器的基本步骤:
poetry run python main.py
git clone https://github.com/yourusername/nexus-mcp.git
cd nexus-mcp
poetry install
credentials.json启动服务器:
poetry run python main.py
若要将此服务器与 Anthropic Claude Desktop 配合使用,请在你的 Claude Desktop 设置中添加以下配置:
{
"mcpServers": {
"personal-assistant": {
"command": "/path/to/your/venv/bin/python",
"args": ["/path/to/your/project/main.py"],
"env": {
"GOOGLE_CREDENTIALS_PATH": "/path/to/your/credentials.json",
"GOOGLE_TOKEN_PATH": "/path/to/your/token.json",
"GOOGLE_API_KEY": "your_google_api_key",
"GOOGLE_CX_ID": "your_google_cx_id",
"OBSIDIAN_VAULT_PATH": "/path/to/your/obsidian/vault",
"OBSIDIAN_DEFAULT_FOLDER": "your_default_folder",
"TRELLO_API_KEY": "your_trello_api_key",
"TRELLO_TOKEN": "your_trello_token",
"LOG_PATH": "/path/to/log.txt",
"ENABLE_OBSIDIAN_TOOLS": "True/False",
"ENABLE_TRELLO_TOOLS": "True/False",
"ENABLE_CALENDAR_TOOLS": "True/False",
"ENABLE_NEWS_SEARCH": "True/False",
"ENABLE_WEB_PARSER": "True/False",
"SEMANTIC_SEARCH_ENABLED": "True/False",
"EMBEDDINGS_PATH": "/path/to/embeddings.json"
}
}
}
}
请将路径和凭证替换为你自己的实际值:
command:Python 虚拟环境的 Python 可执行文件路径args:项目的 main.py 文件路径ENABLE_OBSIDIAN_TOOLS:设置为 True 以启用 Obsidian 工具ENABLE_TRELLO_TOOLS:设置为 True 以启用 Trello 工具ENABLE_CALENDAR_TOOLS:设置为 True 以启用谷歌日历工具ENABLE_NEWS_SEARCH:设置为 True 以启用谷歌新闻搜索ENABLE_WEB_PARSER:设置为 True 以启用网页解析工具GOOGLE_CREDENTIALS_PATH:谷歌日历凭证文件(credentials.json)的路径GOOGLE_TOKEN_PATH:谷歌日历令牌文件(token.json)的路径GOOGLE_API_KEY:你的谷歌 API 密钥(用于自定义搜索 API)GOOGLE_CX_ID:你的谷歌可编程搜索引擎 ID(自定义搜索 API 的 CX ID)OBSIDIAN_VAULT_PATH:Obsidian 知识库的路径OBSIDIAN_DEFAULT_FOLDER:可选,知识库中创建新笔记的默认文件夹路径TRELLO_API_KEY:你的 Trello API 密钥TRELLO_TOKEN:你的 Trello API 令牌LOG_PATH:日志文件的路径SEMANTIC_SEARCH_ENABLED:设置为 True 以启用 Obsidian 知识库的语义搜索SIMILARITY_TRESHOLD:默认值为 0.5,这是语义搜索的阈值EMBEDDINGS_PATH:可选,Obsidian 向量搜索插件生成的嵌入 JSON 文件的路径(如果未设置,默认为相对于 OBSIDIAN_VAULT_PATH 的 .obsidian/plugins/vector-search/data.json)MODEL_TOKEN_LIMIT:AI 模型理解笔记分块的限制CHUNK_SIZE_TOKENS:分块大小若要启用语义搜索功能,你需要为 Obsidian 安装 向量搜索插件。 重新索引过程完成后,插件将在以下位置生成一个包含向量嵌入的 JSON 文件:
.obsidian/plugins/vector-search/data.json
该文件将作为语义搜索查询的嵌入源。
main.py 中注册。services/ 目录中。git checkout -b feature/amazing-feature)。git commit -m 'Add some amazing feature')。git push origin feature/amazing-feature)。