Sqlite Literature Management Fastmcp MCP Server

🚀 統一來源管理系統

這是一個靈活的系統，可用於管理各類來源（如論文、書籍、網頁等），並將其與知識圖譜集成，為知識管理提供高效解決方案。

🚀 快速開始

此係統與 MCP 記憶服務器 集成，用於持久化知識圖譜存儲。

1. 使用我們的模式創建新的 SQLite 數據庫：

# 創建新數據庫
sqlite3 sources.db < create_sources_db.sql

2. 安裝來源管理服務器：

# 為 Claude Desktop 安裝，指定數據庫路徑
fastmcp install source-manager-server.py --name "Source Manager" -e SQLITE_DB_PATH=/path/to/sources.db

✨ 主要特性

核心功能

• 使用內部 UUID 系統實現統一來源標識。
• 支持多種來源類型，包括論文、網頁、書籍、視頻和博客。
• 每個來源支持多個標識符，如 arxiv、DOI、Semantic Scholar、ISBN 和 URL。
• 具備結構化筆記功能，可設置標題和內容。
• 可跟蹤來源狀態，如未讀、閱讀中、已完成和已存檔。

實體集成

• 能夠將來源鏈接到知識圖譜實體。
• 跟蹤來源與實體之間的關係。
• 支持靈活的關係類型，如討論、介紹、擴展、評估等。
• 與記憶圖集成。

📦 安裝指南

數據庫模式

核心表

-- 來源表
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'
);

-- 來源筆記
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)
);

-- 實體鏈接
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)
);

💻 使用示例

基礎用法

管理來源

添加一個帶有多個標識符的論文：

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": "開創性論文，介紹 transformer 架構..."
    }
)

# 為同一論文添加另一個標識符
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"
)

添加一個網頁：

add_source(
    title="如何使用深度學習進行自然語言處理",
    type="webpage",
    identifier_type="url",
    identifier_value="https://www.tensorflow.org/text",
    initial_note={
        "title": "快速入門指南",
        "content": "介紹了使用 TensorFlow 進行文本處理的基礎知識..."
    }
)

管理狀態

將來源標記為已讀：

update_status(source_id, 'completed')

獲取所有未讀論文：

get_sources_by_status('unread', 'paper')

實體關係管理

將論文與實體鏈接：

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

獲取所有相關實體：

get_linked_entities(source_id)

📚 詳細文檔

最佳實踐

數據組織

• 使用清晰的標題和類型進行分類。
• 定期清理過時或不相關的來源。

筆記管理

• 為每個重要發現或見解創建結構化筆記。
• 使用適當的標籤和分類來提高檢索效率。

狀態跟蹤

• 及時更新來源的狀態，保持數據的準確性。
• 定期回顧已完成的任務，進行總結和歸檔。

貢獻指南

步驟

• 叉倉庫
• 創建功能分支
• 為新功能添加測試
• 提交拉取請求

代碼規範

• 遵循 PEP8 編碼規範。
• 提供詳盡的文檔和註釋。

測試要求

• 確保新增功能通過單元測試。
• 更新現有的測試用例以覆蓋新功能。

🔧 技術細節

數據模型

• sources 表用於存儲基本來源信息。
• source_notes 表用於記錄與來源相關的筆記。
• source_entity_links 表用於跟蹤來源與其他實體的關係。

查詢優化

• 使用索引加速常用查詢，如按類型和狀態過濾。
• 定期分析查詢性能，優化數據庫結構。

擴展性

• 支持多種標識符類型，便於不同數據源的集成。
• 靈活的關係類型設計，適應各種知識表示需求。