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 only	Full 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 Knowhere MCP

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 Knowhere：https://knowhereto.ai/

GitHub 仓库：https://github.com/Ontos-AI/knowhere

MCP 文档：https://docs.knowhereto.ai/mcp