Sqlite Literature Management Fastmcp MCP Server

🚀 統一ソース管理システム

柔軟なシステムで、様々なタイプのソース（論文、書籍、ウェブページなど）を管理し、知識グラフと統合することができます。

✨ 主な機能

核心機能

• 内部の UUID システムを使用して、統一的なソース識別を実現します。
• 複数のソースタイプ（論文、ウェブページ、書籍、動画、ブログ）をサポートします。
• 各ソースには複数の識別子（arxiv、DOI、Semantic Scholar、ISBN、URL）がサポートされます。
• タイトルと内容を持つ構造化されたノート機能があります。
• 状態を追跡（未読、閲読中、完了、アーカイブ済み）します。

エンティティ統合

• ソースを知識グラフのエンティティにリンクします。
• ソースとエンティティ間の関係を追跡します。
• 柔軟な関係タイプ（議論、紹介、拡張、評価など）をサポートします。
• メモリマップと統合します。

📦 インストール

このシステムは、永続的な知識グラフの保存のために、MCP メモリサーバー と統合されています。

🚀 クイックスタート

1. 私たちのスキーマを使用して、新しい SQLite データベースを作成します。

# 新しいデータベースを作成
sqlite3 sources.db < create_sources_db.sql

2. ソース管理サーバーをインストールします。

# Claude Desktop 用にインストールし、データベースのパスを指定
fastmcp install source-manager-server.py --name "Source Manager" -e SQLITE_DB_PATH=/path/to/sources.db

📚 ドキュメント

核心テーブル

-- ソーステーブル
CREATE TABLE sources (
    id UUID PRIMARY KEY,
    title TEXT NOT NULL,
    type TEXT CHECK(type IN ('paper', 'webpage', 'book', 'video', 'blog')) NOT NULL,
    identifiers JSONB NOT NULL,
    status TEXT CHECK(status IN ('unread', 'reading', 'completed', 'archived')) DEFAULT 'unread'
);

-- ソースノート
CREATE TABLE source_notes (
    source_id UUID REFERENCES sources(id),
    note_title TEXT NOT NULL,
    content TEXT NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY (source_id, note_title)
);

-- エンティティリンク
CREATE TABLE source_entity_links (
    source_id UUID REFERENCES sources(id),
    entity_name TEXT,
    relation_type TEXT CHECK(relation_type IN ('discusses', 'introduces', 'extends', 'evaluates', 'applies', 'critiques')),
    notes TEXT,
    PRIMARY KEY (source_id, entity_name)
);

💻 使用例

基本的な使用法

1. ソースの管理

複数の識別子を持つ論文を追加します。

add_source(
    title="Attention Is All You Need",
    type="paper",
    identifier_type="arxiv",
    identifier_value="1706.03762",
    initial_note={
        "title": "初始想法",
        "content": "开创性论文，介绍 transformer 架构..."
    }
)

# 同一論文に別の識別子を追加
add_identifier(
    title="Attention Is All You Need",
    type="paper",
    current_identifier_type="arxiv",
    current_identifier_value="1706.03762",
    new_identifier_type="url",
    new_identifier_value="https://arxiv.org/abs/1706.03762"
)

ウェブページを追加します。

add_source(
    title="如何使用深度学习进行自然语言处理",
    type="webpage",
    identifier_type="url",
    identifier_value="https://www.tensorflow.org/text",
    initial_note={
        "title": "快速入门指南",
        "content": "介绍了使用 TensorFlow 进行文本处理的基础知识..."
    }
)

2. 状態の管理

ソースを既読としてマークします。

update_status(source_id, 'completed')

すべての未読論文を取得します。

get_sources_by_status('unread', 'paper')

3. エンティティ関係の管理

論文をエンティティにリンクします。

link_entity(
    source_id,
    entity_name="transformer_architecture",
    relation_type="introduces"
)

すべての関連エンティティを取得します。

get_linked_entities(source_id)

高度な使用法

1. データ組織

• 明確なタイトルとタイプを使用して分類します。
• 定期的に古いまたは関係のないソースを削除します。

2. ノート管理

• 重要な発見や洞察ごとに構造化されたノートを作成します。
• 適切なタグと分類を使用して検索効率を向上させます。

3. 状態追跡

• ソースの状態を適時更新し、データの正確性を維持します。
• 定期的に完了したタスクを見直し、まとめてアーカイブします。

🔧 技術詳細

1. データモデル：

   • sources テーブルは基本的なソース情報を保存するために使用されます。
   • source_notes テーブルはソースに関連するノートを記録するために使用されます。
   • source_entity_links テーブルはソースと他のエンティティの関係を追跡するために使用されます。

2. クエリ最適化：

   • タイプや状態でのフィルタリングなど、一般的なクエリを高速化するためにインデックスを使用します。
   • 定期的にクエリ性能を分析し、データベース構造を最適化します。

3. 拡張性：

   • 複数の識別子タイプをサポートし、異なるデータソースの統合を容易にします。
   • 柔軟な関係タイプの設計で、さまざまな知識表現のニーズに対応します。

🤝 貢献ガイド

1. 手順：

   • リポジトリをフォークします。
   • 機能ブランチを作成します。
   • 新機能に対するテストを追加します。
   • プルリクエストを送信します。

2. コード規約：

   • PEP8 コーディング規約に従います。
   • 詳細なドキュメントとコメントを提供します。

3. テスト要件：

   • 新機能が単体テストに合格することを確認します。
   • 新機能をカバーするように既存のテストケースを更新します。