过去一段时间很多朋友开始用 Knowhere 处理 PDF、PPT、报告和各种复杂文档。Knowhere 的开源仓库也慢慢积累到了近 2k stars。在评论区和用户反馈里我们看到一个很自然的问题能不能把 Knowhere 作为 MCP 工具接到我自己的 Agent 里这样我在 Cursor、Claude Code、Codex 里写代码或做研究时就不用反复上传文档、复制摘要、粘贴上下文了。这真是个好主意。不得不说还是咱们的用户会偷懒啊。Knowhere 本来就擅长处理复杂文档如果它只停留在一个网页工具里价值其实太局限了。更理想的状态应该是咱们把文档整理好之后任何 Agent 都可以在需要的时候来查。所以我们做了这次更新Knowhere Notebook 负责管理你的文档库Knowhere MCP 则把这套文档库接入本地 Agent。它们使用同一个账号也共享同一套云端文档存储。Knowhere Notebook 是什么Knowhere Notebook 不是传统网盘也不是普通笔记软件你可以把它理解成一个面向 AI 的文档工作台是专门用来存放、解析、检索复杂文档的地方。它的设计从一开始就是同时对人类和 Agent 友好的。你在 Claude Code 中通过 MCP 挂载了 Knowhere Notebook 后选择开启 MCP 的 full access 权限所有通过 MCP 解析的文档就都会自动同步到 Notebook 中当你切换到 Codex 或 Hermes 上时依然可以随时访问这些文档同样的你在直接使用 Notebook 时所上传的解析的文档也会无缝出现在各种挂载了 MCP 的 agents 视线中成为可复用的知识库。你可以放这些需要解析的材料PDF、网页、论文、报告产品文档、技术文档、接口说明访谈记录、研究资料、历史稿件文档越复杂、越肮脏Knowhere 的优势就越明显。上传之后它会自动帮你解析文档结构和内容为 Agent 提供可读取的上下文且支持跨文档检索。这样一来Knowhere Notebook 里维护的就不只是文件了而是变成了一套可以随时挂载到任何一个 agent 上面的第二大脑。试用https://notebook.knowhereto.ai/Knowhere MCP更方便的调用方式MCP即 Model Context Protocol是 Agent 调用外部工具和数据源的一种标准接口。通过 Knowhere MCP你可以把 Knowhere 接到 Cursor、Claude Code、Codex、Claude Desktop、VS Code 等支持 MCP 的工具里。接好之后Agent 不只是“知道有 Knowhere 这个网站”还可以真正调用 Knowhere 的能力检索文档、查看大纲、读取 chunk、在单篇文档里 grep或者在 Full access 权限下解析新的 URL 和本地文件。更重要的是Notebook 和 MCP 现在共享同一个 Brain。你在 Notebook 里维护的文档Agent 可以通过 MCP 检索。Agent 通过 MCP 解析的新文档也会同步进入 Knowhere Notebook。为了不污染你在 Web 里手动整理的文档空间MCP 写入的内容可以放在独立的临时分类里。统一后的工作方式这样做更省事现在很多人已经习惯让 Agent 帮自己写代码、查资料、做总结。但 Agent 最大的问题之一是它并不了解你的文档库。你可能有很多资料产品文档、技术方案、论文、会议纪要、历史项目记录。它们散落在不同地方。每次让 Agent 工作前你都要重新整理背景、复制片段、解释上下文。Knowhere Brain 想解决的就是这件事。文档只需要进入一次 Brain之后无论你从 Web 端使用还是从本地 Agent 里调用访问的都是同一套知识。以前你在 Web 上传一套文档Agent 里又要重新提供上下文MCP 解析的内容和 Web 空间割裂同一份资料在不同工具里重复出现而现在Notebook 和 MCP 共用同一套文档库Agent 可以直接检索已有文档新解析的文档自动回到 Brain所有检索统一在云端完成。妥妥的省事儿。权限怎么控制我们把 MCP 权限拆成了两档。登录时你可以自己选择后续也可以撤销会话。能力Read onlyFull access检索 Knowhere Brain 里的已有文档支持支持列出文档、查看大纲、读取 chunks支持支持在单篇文档中 grep 内容支持支持解析远程 URL不支持支持解析本地文件不支持支持归档 / 软删除文档不支持支持我的建议是如果你只是想让 Agent 查资料选 Read only 就够了。只有在你明确希望 Agent 帮你解析新文档、写入 Brain 或归档文档时再选择 Full access。适合哪些场景开发者把团队技术文档、接口说明、架构决策记录放进 Knowhere Notebook。写代码时Agent 可以直接检索这些资料而不是靠你手动复制粘贴上下文。研究员 /产品经理把行业报告、竞品资料、访谈记录和 PRD 统一放进 Notebook。写分析、做方案、整理需求时Agent 可以随时从文档库里找证据。AI工作流构建者把 Knowhere 当成 Agent 的长期知识层。不同工具、不同会话都可以围绕同一套云端文档库工作。内容创作者把参考资料、素材库、历史稿件放进 Notebook。写作 Agent 可以检索已有内容减少事实遗漏也更容易保持风格一致。怎么使用下面以 Cursor 为例给大家看看教程。当然其他支持 MCP 的工具比如 Claude Code、Codex、Claude Desktop、VS Code也可以参考同一份文档配置。1、准备环境你需要 Node.js 20.19、npm 10以及一个可以运行本地 stdio MCP server 的 MCP host。2、登录 KnowhereMCP在终端运行npx -y ontos-ai/knowhere-mcp login这一步会打开 Knowhere 登录页。登录完成后选择 Read only 或 Full access 权限。3、在 Cursor 里添加MCP配置把下面配置加入~/.cursor/mcp.json { mcpServers: { knowhere: { command: npx, args: [-y, ontos-ai/knowhere-mcp] } } }保存后重启 Cursor在 MCP 设置里确认 Knowhere 已连接。4、开始让 Agent 使用你的 Brain直接发号施令就行比方说“在我的 Knowhere 文档里搜索一下这个 API 的使用限制。”“读取这篇报告的大纲总结和当前项目相关的部分。”“把这个本地 PDF 解析到 Knowhere然后基于它写一份调研摘要。”它就会自己执行了。完整文档见https://docs.knowhereto.ai/mcp最后我们一直觉得Agent 真正好用的前提不只是模型足够强还需要它能访问你长期积累的知识。否则每次对话都像重新开始每次任务都要重新交代背景。Knowhere Notebook 和 Knowhere MCP 上线之后Knowhere 会更像一个可以被各种 Agent 挂载的第二大脑文档存在云端检索也在云端完成你可以在 Web 里维护它也可以在本地 Agent 里调用它。如果你已经在用 Cursor、Claude Code 或 Codex欢迎把 Knowhere 接进去试试。也欢迎继续给我们提建议比方说你希望 Agent 还能怎么使用你的文档库欢迎留言一起进步~试用 Knowherehttps://knowhereto.ai/GitHub 仓库https://github.com/Ontos-AI/knowhereMCP 文档https://docs.knowhereto.ai/mcp