T S H

NOUZ

unified mcp server for obsidian унифицированный mcp-сервер для obsidian

One server — three approaches to data organization. Unstructured documents become a practical knowledge base. Один сервер — три подхода к организации данных. Документы без структуры становятся прикладной базой знаний.

View on GitHub Открыть на GitHub

How it works Как это работает

You write notes. NOUZ reads YAML frontmatter, builds a DAG, classifies content by embeddings, and detects semantic bridges across branches. Вы пишете заметки. NOUZ читает YAML frontmatter, строит DAG, классифицирует контент через эмбеддинги и обнаруживает семантические мосты между ветками.

PRISM · SEMANTIC BRIDGES · CROSS-LEVEL CROSS-DOMAIN CONNECTIONS #topology #entropy #vector #embedding #dag β temporary δ temporary φ L1 · Core semantic axis Δ L2 · Pattern ϴ L2 · Pattern ħ L3 · Module Δ L3 · Module ϴ L3 · Module ħ L3 · Module Δ Δ ħ ϴ ϴ Δ ħ ħ L1 L2 L3 L4 hierarchy semantic bridge — AI proposes, human confirms temporary — any level, no DAG effect SEMANTIC BRIDGES · CROSS-LEVEL · CROSS-DOMAIN · TAG INTERSECTION

Node formula Формула узла

(children)   [entity]   {parents}
( )
childrenпотомки
[ ]
entityузел
{ }
parentsродители

Each node declares parents in YAML. NOUZ reads the links and builds the DAG. Semantic bridges form automatically between nodes with high cosine similarity across different branches. Каждый узел объявляет parents в YAML. NOUZ читает ссылки и строит DAG. Семантические мосты формируются автоматически между узлами с высоким косинусным сходством из разных веток.

note.md
---
type: module
level: 3
sign: T
parents:
- [[Science]]
---
Your note content here...
ENTITY FORMULA
(2S) [T] {S}

Three approaches Три подхода

{ }

LUCA

Pure DAG. No embeddings needed. YAML frontmatter, hierarchy, entity formulas. Чистый DAG. Без эмбеддингов. YAML frontmatter, иерархия, формулы сущностей.

[ ]

PRIZMA

Full semantics. Embedding classification, sign inheritance, core_mix, semantic bridges, drift detection. Полная семантика. Классификация по эмбеддингам, наследование знака, core_mix, семантические мосты, детекция дрифта.

L1–5

SLOI

Strict 5-level hierarchy. Level enforcement, violation detection, recursive formula updates. Строгая 5-уровневая иерархия. Контроль уровней, детекция нарушений, рекурсивное обновление формул.

From note to graph От заметки к графу

NOISE
A raw note. No structure yet — just text. Сырая заметка. Ещё нет структуры — только текст.
L1
Vectorize & classify Векторизация и классификация
The embedding model converts the note to a vector. Cosine distance to core etalons determines its sign. Модель эмбеддингов переводит заметку в вектор. Косинусное расстояние до эталонов ядер определяет sign.
DAG grows downward DAG растёт вниз
You add parents: [NodeName] in YAML. NOUZ reads the links and places the note in the graph. Вы добавляете parents: [Название] в YAML. NOUZ читает ссылки и размещает заметку в графе.
L1 L2 L3 L4 L5
CORE_MIX
Sign distributions propagate upward. Each parent node accumulates a weighted mix of its children's signs. Распределения знаков поднимаются вверх. Каждый родитель накапливает взвешенную смесь знаков потомков.
Semantic bridges Семантические мосты
High cosine similarity between nodes from different branches — NOUZ proposes a link, you confirm. Высокое косинусное сходство между узлами из разных веток — NOUZ предлагает связь, вы подтверждаете.

MCP Tools MCP-инструменты

?

suggest_metadata suggest_metadata

Classifies a note by embedding similarity to cores. Returns suggested sign, level, and core_mix — you decide whether to apply. Классифицирует заметку по близости эмбеддинга к ядрам. Возвращает предлагаемые sign, level и core_mix — вы решаете, применять или нет.

prizma / sloi · LM Studio required prizma / sloi · требуется LM Studio

recalc_signs recalc_signs

Reclassifies all indexed notes. Shows sign distribution across your vault — useful for tracking knowledge drift over time. Переклассифицирует все проиндексированные заметки. Показывает распределение знаков — полезно для отслеживания дрейфа знаний.

all modes · shows knowledge drift все режимы · показывает дрейф знаний

suggest_parents suggest_parents

Finds semantically related notes by vector similarity. Suggests parent links you might want to add to YAML frontmatter. Находит семантически связанные заметки по векторной близости. Предлагает родительские ссылки для добавления в YAML.

prizma / sloi · LM Studio required prizma / sloi · требуется LM Studio

Start in 3 minutes Запуск за 3 минуты

NOUZ runs via MCP stdio. Python 3.10+, an Obsidian vault, and optionally LM Studio for embeddings. Define your semantic cores in config.yaml — the categories your knowledge naturally clusters around. NOUZ работает через MCP stdio. Python 3.10+, Obsidian-хранилище, и опционально LM Studio для эмбеддингов. Задайте ядра в config.yaml — категории, вокруг которых естественно собираются ваши знания.

Pick an approach: LUCA for pure graph, PRIZMA for full semantics, SLOI for strict hierarchy. All expose the same MCP tools. Выберите подход: LUCA для чистого графа, PRIZMA для полной семантики, SLOI для строгой иерархии. Все предоставляют одинаковые MCP-инструменты.

Python 3.10+ MCP stdio SQLite LM Studio Obsidian YAML MIT
kvantra · unified server
# install from PyPI
> pip install nouz-mcp
 
# configure your knowledge base
> export OBSIDIAN_ROOT=./vault
> export EMBED_API_URL=http://127.0.0.1:1234/v1
 
# launch
> nouz-mcp
[INFO] Indexing database on startup...
[INFO] Indexed: 98 files, errors: 0
[INFO] Core etalons loaded from DB: ['T', 'S', 'H']
[INFO] Prizma MCP Server v2.1.1 started
 
# watch noise become structure
> recalc_signs
Updated 12 signs. 0 conflicts.
> suggest_metadata "recursive self-organization"
sign: T core_mix: {T:58 S:24 H:18}