手把手教你打造本地私有化AI知识库：Obsidian + OpenCode + Agent Client + MCP Server 完全指南

在AI时代，拥有一个高效、私密、可控的个人知识库变得尤为重要。本文将详细介绍如何利用Obsidian + OpenCode + Agent Client + MCP Server这四件套，在本地搭建一个完全私有化的AI知识管理系统。所有数据都存储在你的电脑上，无需联网即可享受AI带来的便捷！

一、整体架构概述

在开始之前，让我们先了解这四个工具的角色：

工具	角色	作用
Obsidian	笔记管理	本地Markdown笔记管理，支持双向链接
MCP Server	知识索引	将笔记向量化，建立语义搜索能力
OpenCode	AI大脑	本地AI编程助手，支持多种模型
Agent Client	对接桥梁	让Obsidian能调用AI能力

整个流程是：Obsidian管理笔记 → MCP Server将笔记向量化并提供搜索API → OpenCode作为AI大脑调用MCP服务 → Agent Client将AI能力集成到Obsidian中。

二、环境准备

在开始安装之前，请确保你的电脑上已安装：

Node.js (推荐v18或更高版本)
Ollama (用于本地运行嵌入模型)
npm (Node.js包管理器)

查看安装状态：

node --version
npm --version
ollama --version

三、第一步：安装和配置Obsidian

3.1 下载安装Obsidian

访问 https://obsidian.md 下载并安装Obsidian客户端。创建或选择一个笔记库（Vault）作为你的知识库。

3.2 安装必要插件

安装BRAT插件
- 打开设置 → 社区插件 → 关闭安全模式
- 点击浏览，搜索"BRAT"并安装
通过BRAT安装Agent Client Plugin
- 启用BRAT后，点击"Add Beta plugin"
- 输入：https://github.com/agent-client/obsidian-agent-client
安装Obsidian MCP Server
- 同样通过BRAT安装： https://github.com/Minhao-Zhang/obsidian-mcp-server

四、第二步：配置Ollama和向量化模型

4.1 安装Ollama

从 https://ollama.com 下载并安装Ollama。

4.2 拉取嵌入模型

# 拉取轻量级嵌入模型（推荐）
ollama pull nomic-embed-text
# 或者使用阿里Qwen的嵌入模型
ollama pull qwen3-embedding:0.6b

4.3 启动Ollama服务

ollama serve

Ollama会自动在 http://localhost:11434 提供OpenAI兼容的API。

五、第三步：配置Obsidian MCP Server

5.1 配置嵌入模型

打开Obsidian设置，找到MCP Server插件
在"Embedding Model"部分进行配置：

配置项	值
API Endpoint	http://localhost:11434/v1
Model Name	nomic-embed-text
API Key	ollama (任意值)

点击"Verify"测试连接

5.2 索引知识库

按 Ctrl/Cmd+P 打开命令面板
执行"Re-index Vault (MCP Server)"
等待索引完成

索引完成后，你的所有笔记都具备了语义搜索能力！

5.3 启动MCP Server

在命令面板执行"Start MCP Server"，服务默认在 http://localhost:9080/sse 运行。

六、第四步：安装和配置OpenCode

6.1 安装OpenCode

npm install -g opencode-ai

查看安装路径：

where opencode

6.2 配置OpenCode

创建配置文件 ~/.config/opencode/opencode.json：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "my-obsidian-knowledge": {
      "type": "remote",
      "url": "http://localhost:9080/sse",
      "enabled": true
    }
  },
  "model": {
    "provider": "ollama",
    "model": "qwen2.5:7b"
  }
}

6.3 验证MCP连接

运行OpenCode：

opencode

在交互界面输入：

/mcps

如果能看到"my-obsidian-knowledge"已连接，说明配置成功！

七、第五步：配置Agent Client

7.1 配置自定义Agent

打开Obsidian的Agent Client插件设置
点击"Add custom agent"，配置如下：

配置项	值
Agent ID	openCode
Display name	openCode
Path	你电脑上opencode.cmd的完整路径
Arguments	acp

7.2 环境变量配置

在Agent配置中添加环境变量：

OPENAI_API_KEY=sk-your-key
OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
OPENAI_MODEL=qwen3-coder-plus

或者如果你使用本地Ollama：

OPENAI_API_KEY=ollama
OPENAI_BASE_URL=http://localhost:11434/v1
OPENAI_MODEL=qwen2.5:7b

六、第六步：开始使用

6.1 在Obsidian中调用AI

现在，你可以在Obsidian中：

使用命令面板调用Agent
让AI帮你搜索知识库中的相关内容
让AI根据你的笔记回答问题

6.2 使用示例

示例1：语义搜索笔记

“帮我找找关于React Hooks的笔记”

示例2：基于笔记问答

“根据我的学习笔记，解释一下什么是闭包？”

示例3：写作辅助

“帮我整理一下这篇会议记录的重点”

七、进阶扩展

7.1 添加更多MCP服务

OpenCode支持添加多个MCP服务，例如文件系统MCP：

{
  "mcp": {
    "my-obsidian-knowledge": {
      "type": "remote",
      "url": "http://localhost:9080/sse",
      "enabled": true
    },
    "filesystem": {
      "type": "local",
      "enabled": true,
      "command": ["npx", "-y", "@modelcontextprotocol/server-filesystem", "D:/projects"]
    }
  }
}

7.2 使用云端大模型

如果本地模型不够强大，可以使用阿里云百炼、OpenAI等云端服务：

{
  "model": {
    "provider": "openai",
    "model": "gpt-4",
    "apiKey": "sk-xxx",
    "baseUrl": "https://api.openai.com/v1"
  }
}

八、常见问题

Q1: MCP Server启动失败？

确保Ollama正在运行，且嵌入模型已正确安装。

Q2: 向量搜索结果不准确？

尝试重新索引知识库，或更换嵌入模型。

Q3: OpenCode无法连接MCP？

检查 http://localhost:9080/sse 是否可访问，防火墙是否阻止。

总结

通过以上步骤，你已经成功搭建了一个本地私有化的AI知识库：

✅ 数据完全本地存储，隐私安全有保障
✅ 支持语义搜索，快速定位相关内容
✅ AI深度集成，问答、写作、整理样样精通
✅ 可扩展性强，可接入多种MCP服务

这个组合让Obsidian从一个简单的笔记软件摇身变成了真正的AI知识管理助手！快去试试吧！

如果觉得有帮助，欢迎转发分享！有问题欢迎在评论区留言讨论。

文章版权归作者所有，未经允许请勿转载。

猫头虎AI分享｜一款Coze、Dify类开源AI应用超级智能体快速构建工具：FastbuildAI

手把手教你打造本地私有化AI知识库：Obsidian + OpenCode + Agent Client + MCP Server 完全指南