Serveur MCP local qui convertit des fichiers en contexte AI consultable
stashbase, créé par Liliu Z, convertit des fichiers personnels en une source de connaissances locale pour les agents IA en indexant des documents et en exposant le contexte à des clients compatibles. L'application construit un index local consultable et fournit des extraits de contexte pour les invites d'assistant, avec extraction de texte sur appareil et sorties de wiki basées sur des fichiers. Elle cible les développeurs, chercheurs et utilisateurs avancés d'IA qui ont besoin de documentation de projet et de bibliothèques de recherche accessibles par des agents et privées. L'installation et le développement nécessitent un environnement Node.js lors de la construction à partir du code source.
Crée des pages Markdown liables à partir de divers matériaux sources
L'application extrait automatiquement le texte et assemble un wiki basé sur des fichiers navigables à partir de vos originaux, produisant des fichiers Markdown ordinaires que vous conservez. Elle prend en charge plusieurs types d'entrée, permettant aux utilisateurs d'ingérer des artefacts de recherche dans une archive persistante. Les formats pris en charge incluent :
- PDF et DOCX
- Images (texte dérivé de l'OCR)
- Enregistrements audio (texte transcrit)
Ces sorties facilitent l'ouverture et la référence de documents concrets par des agents externes plutôt que des blobs opaques.
L'exactitude de la recherche dépend de la qualité d'extraction et de l'indexation vectorielle
L'outil utilise des méthodes de récupération vectorielle afin que les requêtes correspondent au sens plutôt qu'à des mots exacts, permettant aux agents de trouver des passages pertinents lorsque la formulation diffère. Cette qualité de récupération dépend de la fidélité de l'OCR et de la transcription lors du travail à partir d'images ou d'enregistrements, et de la manière dont le matériel source est segmenté lors de l'indexation. Les utilisateurs doivent s'attendre à de meilleures correspondances à partir de documents propres et bien structurés que de numérisations bruyantes ou de mauvais audio.
La configuration et le flux de travail supposent une familiarité au niveau développeur
Construit avec TypeScript et Electron, le projet attend un environnement Node.js et le flux de travail pnpm pour les utilisateurs qui compilent à partir de la source. L'application fonctionne comme un serveur compatible avec des clients conscients de MCP tels que Claude Desktop et Cursor, donc son adoption nécessite de la connecter à un flux de travail d'agent existant. Les contrôles d'accès scoped aident à mapper les dossiers locaux dans le champ de recherche d'un agent, ce qui convient aux utilisateurs techniques qui gèrent les étapes de déploiement.
La conception locale d'abord préserve la propriété et soutient l'auditabilité
L'application conserve les fichiers générés sur la machine hôte en tant que fichiers ordinaires que les utilisateurs possèdent, et elle offre une portée au niveau des dossiers afin que les agents ne voient que le contenu explicitement autorisé. Le projet est open-source et développé comme une expérience dirigée par des humains par le développeur, et il a attiré l'attention sur GitHub pour son approche de la mémoire locale persistante pour les agents. Cette combinaison favorise les utilisateurs qui priorisent la propriété des fichiers et la traçabilité.
Meilleur pour les développeurs et chercheurs pratiques qui apprécient le contrôle local
L'application est un choix pratique pour les utilisateurs techniquement orientés car il s'agit d'un projet open-source dirigé par des humains avec une traction visible sur GitHub. Attendez-vous à gérer vous-même les détails de construction et d'indexation et à surveiller la qualité d'extraction pour les requêtes critiques. Pour des résultats plus fluides, préparez les documents sources avec des titres cohérents et un texte propre afin que les liens wiki générés et l'index vectoriel produisent un contexte plus fiable pour les agents.
