Как подключить Obsidian к LLM через MCP и перестать копировать заметки вручную
Решение сделано не как плагин для Obsidian, а как внешний слой интеграции через Model Context Protocol. Сервер работает напрямую с файловой системой vault: заметки остаются обычными markdown-файлами, Obsidian не обязан быть запущен, а один и тот же сервер можно подключать к разным MCP-совместимым клиентам.
В наборе инструментов есть шесть базовых операций: просмотр папок, чтение файлов, запись, glob-поиск, дерево хранилища и полнотекстовый поиск по markdown. Такой минимальный набор, по опыту автора, делает поведение LLM предсказуемее: модель может найти заметки по проекту, собрать резюме, подготовить README или свести упоминания из daily notes без серии ручных копипаст.
Для локальной работы предлагается режим stdio через Docker-контейнер: он проще и безопаснее, потому что не открывает порт наружу. Для ChatGPT MCP и удаленного доступа есть режим SSE, но публичный запуск требует OAuth 2.1 с PKCE, HTTPS, reverse proxy и аккуратного контроля прав; запись в vault автор советует давать ограниченно, с git, diff, read-only режимом или отдельным экспериментальным хранилищем.
Коротко
- obsidian-agent подключает Obsidian vault к MCP-клиентам и дает LLM доступ к чтению, поиску, структуре и записи заметок.
- Сервер работает напрямую с markdown-файлами в Docker, поэтому не зависит от Obsidian API, Electron и запущенного приложения.
- Для локальных клиентов вроде Cursor и Claude Desktop автор рекомендует stdio: без публичного порта, HTTPS, домена и OAuth.
- Сетевой режим SSE подходит для ChatGPT MCP и удаленного доступа, но требует OAuth 2.1, PKCE, HTTPS и нормальной инфраструктуры.
- Запись в vault полезна для черновиков и сводок, но автор советует ограничивать доступ, смотреть diff и использовать read-only там, где запись не нужна.
FAQ
Зачем подключать Obsidian к LLM через MCP, если в заметках уже есть обычный поиск и структура папок?
MCP нужен не только для поиска, а для работы модели с найденным контекстом: прочитать заметки, связать их между собой, собрать резюме, README или новый черновик.
Чем MCP-сервер для Obsidian отличается от обычного Obsidian-плагина с AI-функциями внутри приложения?
Плагин работает внутри Obsidian, а MCP-сервер делает vault доступным из внешних клиентов вроде Cursor, ChatGPT или Claude Desktop. Это слой интеграции, а не новый интерфейс заметочника.
Какие ограничения нужны, если LLM получает право не только читать, но и изменять личную базу знаний?
Автор предлагает начинать с отдельного vault или ограниченной папки, хранить заметки в git, проверять diff перед сохранением и использовать read-only режим для чувствительных данных.
Читайте также
Как перенести расчёт абсолютных валютных курсов на Kaggle и автоматизировать обзоры через Gemini API- Как собрать System Context Pack за час
- Как проанализировать с помощью LLM хранилище из тысяч заметок, которое не помещается в контекст
ИИ-агенты для бизнеса в России: обзор 10 локальных платформ и решений- Rich Messages в Telegram-ботах: сложные сообщения, черновики и ограничения
- MCP как слой доступа LLM к корпоративным заметкам: Model Context Protocol можно использовать как универсальный слой между LLM-клиентами и базой знаний, чтобы не писать отдельные плагины под каждый инструмент. Один MCP-сервер может открыть заметки для Cursor, ChatGPT, Claude Desktop и других совместимых клиентов через единый набор действий.
[AI-инструменты и база знаний]
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Автор описал MCP-сервер obsidian-agent, который подключает Obsidian vault к LLM-клиентам вроде Cursor, Claude Desktop и ChatGPT. Вместо ручного копирования заметок модель получает инструменты для чтения, поиска, просмотра структуры, создания и обновления markdown-файлов.