Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

VaultBridge

VaultBridge es una API REST auto-hospedada con búsqueda semántica local para repositorios Obsidian Markdown. Proporciona interfaz autenticada para lectura, búsqueda y escritura segura de notas, con embeddings locales (FastEmbed/ONNX), servidor MCP y panel web integrado en Python/FastAPI.

Ficha actualizada 22 sept 2026, 17:01 · upstream 22 sept 2026, 15:29 · release v1.2.1

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es VaultBridge

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

VaultBridge actúa como capa intermedia entre un vault Obsidian y clientes API-capaces como ChatGPT, scripts o automatizaciones. El diseño mantiene los archivos Markdown como fuente de verdad: el índice semántico es local, derivado y descartable, sin reemplazar el contenido original.

La arquitectura utiliza FastAPI con Python 3.12, Redis para servicios, SQLite para el índice semántico y embeddings locales en CPU mediante FastEmbed/ONNX. Incluye autenticación Bearer con rotación de claves controlada por operador, limitación de tasa local y protección contra escape de enlaces simbólicos.

El panel web integrado (/ui/) ofrece visibilidad del estado del índice, búsqueda literal y semántica, sin persistencia de consultas o historial. El servidor MCP soporta transporte stdio por defecto y HTTP streamable opcional en el mismo puerto, ambos read-only.

CASOS DE USO
  • Integración con ChatGPT Actions para consultar notas Obsidian mediante endpoints versionados
  • Automatización de scripts Python que necesitan búsqueda semántica local sin exponer datos a la nube
  • Panel web para monitorear estado del índice y realizar búsquedas sin instalar dependencias adicionales
  • Servidor MCP read-only para herramientas compatibles con Model Context Protocol en entornos locales
  • Búsqueda híbrida (léxica + semántica) para recuperación de notas relacionadas multilingüe
PUNTOS DESTACADOS
  • Markdown permanece como fuente de verdad; el índice es derivado y descartable sin riesgo de corrupción
  • Embeddings locales con FastEmbed/ONNX en CPU, sin dependencia de APIs cloud o bases vectoriales externas
  • Panel web integrado (/ui/) con autenticación Bearer y almacenamiento en sessionStorage namespaced
  • Soporte MCP read-only vía stdio por defecto y HTTP streamable opcional en mismo puerto
  • Protección contra escape de rutas: validación relativa al vault y prevención de symlink-escape
PRECAUCIONES
  • La versión estable publicada es v1.2.0; el código para v1.2.1 existe pero no hay tag/release/imagen GHCR oficial
  • El transporte HTTP streamable MCP está deshabilitado por defecto y requiere configuración explícita
  • El panel web tiene compatibilidad modesta con navegadores evergreen; no se garantiza soporte exhaustivo
  • Las herramientas semánticas requieren un índice compatible existente; sin él retornan error retryable
  • No hay sistema de cuentas ni editor de notas en el dashboard; solo visibilidad read-only del operador
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA4 GBRAM estimada
DISCO20 GBalmacenamiento base
COMPLEJIDADhighnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Docker Compose detectado

Requiere Docker con FastAPI, Python 3.12 y SQLite. Imágenes disponibles en GHCR. Para MCP HTTP: MCP_HTTP_ENABLED=true, MCP_HTTP_ALLOWED_HOSTS/ORIGINS configurados. Puerto 8765 o 8000 según despliegue. Autenticación vía API_KEY Bearer. Redis opcional para servicios. Verificar docs/DASHBOARD_RELEASE_CHECKLIST.md antes de producción.

✓Dockerfile
✓Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
FastAPIPython
SERVICIOS
Redis
BASES DE DATOS
Redis
PUERTOS
87658000
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.