MCP-сервер для Obsidian: как подключить личную базу знаний к любому LLM

Разработчик под ником tenqz устал копировать заметки из Obsidian в LLM-клиенты вручную и написал MCP-сервер obsidian-agent — он подключает личный vault напрямую к языковой модели и даёт ей инструменты для работы с заметками без участия пользователя.

Зачем нужен мост между

Obsidian и LLM Obsidian стал одним из самых популярных инструментов для ведения личной базы знаний: рабочие заметки, черновики статей, технические решения, планы проектов — всё это хранится в обычных markdown-файлах локально, без привязки к облачному сервису. Инструмент особенно популярен среди разработчиков, технических писателей и всех, кто строит Second Brain — системную базу накопленного опыта. Чем больше заметок в vault, тем ценнее коллекция — и тем болезненнее разрыв с AI-инструментами, которые этого контекста не видят.

Проблема возникает при переходе в AI-инструменты. ChatGPT, Cursor или Claude Desktop не имеют доступа к локальному vault — языковая модель видит только то, что пользователь передаёт ей вручную. При большом количестве заметок это превращается в механический ритуал: вспомнить, где лежит файл, открыть Obsidian, найти нужный фрагмент, скопировать, переключиться на LLM-клиент, вставить контекст, получить ответ, перенести результат обратно.

И так по несколько раз в день.

«Вместо того чтобы продолжать играть в человека-адаптера, я написал

MCP-сервер», — объясняет автор.

Как устроен obsidian-agent

Model Context Protocol (MCP) — открытый стандарт от Anthropic для подключения языковых моделей к внешним инструментам и источникам данных. Клиенты с поддержкой MCP — Claude Desktop, Cursor, Windsurf — умеют обращаться к таким серверам так же, как к встроенным функциям: модель сама решает, когда и что вызвать. Проект obsidian-agent реализует MCP-сервер, который монтирует Obsidian vault как набор инструментов для языковой модели.

После настройки модель получает следующие возможности: читать содержимое конкретных заметок по пути к файлу искать по vault — полнотекстовый поиск внутри заметок и по именам файлов просматривать структуру папок и получать списки файлов создавать новые заметки прямо из диалога с нужным путём и содержимым * обновлять существующие файлы без переключения между приложениями Сервер написан на Python. Репозиторий публичный на GitHub, установка стандартная для MCP-экосистемы: добавить запись в конфиг выбранного клиента и указать путь к vault.

Как меняется рабочий процесс

После подключения vault пользователь может работать с заметками прямо из диалога с моделью. Например, спросить: «Найди мои записи про архитектуру микросервисов» — модель сама поищет по vault, найдёт релевантные файлы, прочитает их и ответит с учётом реального содержимого, а не из обучающей выборки. Или в конце разговора сказать: «Создай заметку с выводами и сохрани в папку Projects/2025» — модель запишет результат прямо в vault без ручного переноса и переключения между окнами. Важная деталь: сервер понимает структуру Obsidian. Он работает с вложенными папками, видит внутренние ссылки между заметками, умеет ориентироваться в сложных иерархиях. Модель получает vault не как простую файловую систему, а как осмысленную базу знаний с контекстом и структурными связями.

Что это значит MCP-серверы для персональных инструментов — следующая

волна после корпоративных интеграций. Когда личная база знаний становится частью рабочего контекста языковой модели, AI-ассистент перестаёт быть универсальным советником и начинает работать с реальным накопленным опытом конкретного человека. Это и есть практический смысл персонализированного AI.