obsidian-mcp
Servidor MCP autocontenido para Obsidian: búsqueda semántica y de texto completo, grafo de wikilinks, CRUD de notas, OAuth y guía de configuración del almacén.
Ficha actualizada 22 sept 2026, 22:56 · upstream 22 sept 2026, 22:48 · release v0.8.1
Qué es obsidian-mcp
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Este servidor MCP permite a los agentes interactuar con un sistema de memoria duradero almacenado como archivos markdown en tu carpeta de Obsidian. No es una base de datos vectorial invisible: es una carpeta de markdown que puedes abrir directamente en Obsidian. Ofrece búsqueda por palabras clave y búsqueda semántica mediante pgvector, junto con un grafo de wikilinks que conecta notas relacionadas. Obsidian actúa como la ventana humana hacia el sistema; los agentes pueden leer lo que has escrito, seguir tus enlaces y ver la estructura del almacén sin necesidad de briefing previo.
- Agentes de IA que consultan sobre temas específicos (ej: configuración de Home Assistant)
- Corrección de errores en notas o decisiones tomadas por el agente
- Creación de nuevos documentos con formato predefinido basado en la estructura existente
- Retroalimentación entre agentes y el usuario humano a través del almacén compartido
- Documentación viva que se actualiza automáticamente al escribir nuevas notas
- Persistencia de decisiones estratégicas o razonamiento profundo sobre temas complejos
- El almacenamiento es markdown visible en Obsidian, no una base de datos negra
- La misma carpeta sirve como memoria del agente y como espacio personal del usuario
- Se puede acceder desde cualquier dispositivo mediante OAuth o token Bearer
- No hay extracción automática ni pipeline de consolidación detrás del agente
- El grafo de wikilinks permite seguir conexiones entre notas sin intervención manual
- Configurable vía variables de entorno (FTS_CONFIGS) para múltiples lenguajes de búsqueda
- No hay extracción automática de información de las notas; el agente debe escribir lo que recuerda
- El grafo de wikilinks no es bidireccional ni completo por defecto
- La búsqueda semántica depende del modelo de embeddings seleccionado (Ollama o OpenAI)
- No hay persistencia en disco para los vectores de embedding, se guardan en memoria
- El límite de caracteres en la respuesta es configurable y puede afectar el rendimiento con grandes volúmenes
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Instala FastAPI con PostgreSQL + pgvector. Configura FTS_CONFIGS para múltiples lenguajes de búsqueda. Usa variables de entorno para embeddings (Ollama o OpenAI). Activa OAuth en la API. El servidor es autocontenido y puede correr localmente sin Docker, aunque se recomienda usar Docker para aislamiento.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.