تعتبر أدوات الذكاء الاصطناعي المعتمدة على السحابة محبطة، لكن استخدام نموذج محلي مع Obsidian عبر MCP يمكن أن يحدث فرقًا كبيرًا.
يمكن أن تكون أدوات الذكاء الاصطناعي المعتمدة على السحابة محبطة. نظرًا لأنني أستخدم Obsidian بشكل أساسي لتدوين الملاحظات، كلما أردت أن أسأل ChatGPT أو NotebookLM عن شيء ما، كان عليّ نسخ ملاحظاتي إلى نافذة منفصلة. شعرت أن قاعدة معرفتي الشخصية محصورة بعيدًا عن الذكاء الاصطناعي الذي يمكن أن يساعدني في تجميعها. كما كنت أشعر بالقلق بشأن إرسال ملاحظاتي الخاصة إلى خوادم لا أتحكم فيها. ثم اكتشفت MCP، وكل شيء تغير.
MCP هو اختصار لبروتوكول سياق النموذج. إنه بروتوكول عام لربط نماذج الذكاء الاصطناعي بالأدوات الخارجية، لكن ما يجعله محوريًا بالنسبة لي هو مدى تكامله مع Obsidian وLM Studio. بدلاً من النسخ واللصق، يمكن لنموذج الذكاء الاصطناعي المحلي الخاص بي الآن قراءة والبحث وحتى الكتابة في خزانتي تلقائيًا. من خلال استخدام طبقة MCP مع أدواتي المحلية، أصبح كل شيء الآن مجانيًا تمامًا، وتبقى جميع بياناتي على حاسوبي، والذكاء الاصطناعي الآن متكامل مع ملاحظاتي بطرق لا تستطيع أدوات السحابة القيام بها.
إليك ما يمكنني فعله مع إعداد MCP المحلي في Obsidian
تكامل الذكاء الاصطناعي المباشر مع خزانة Obsidian
مع إعداد MCP المحلي في Obsidian، تتفاعل أدواتي الآن بسلاسة. بدلاً من التعامل مع خزانتي كمجموعة من الملفات الثابتة، يحول MCP الخزانة إلى شيء يمكن لمساعدي الذكي العمل عليه بنشاط. يمنحني مجموعة كاملة من الأدوات الخاصة بـ Obsidian التي تسمح للنموذج بقراءة والبحث وتعديل وتنظيم ملاحظاتي مباشرة على حاسوبي. أيضًا، هناك فوائد لتشغيل نماذج LLM غير المتصلة بالإنترنت على جهازك مقارنة باستخدام واجهة برمجة التطبيقات لخدمة ذكاء اصطناعي مدفوعة، مثل خصوصية أفضل واستخدام غير محدود مجاني.
يسمح لي إعدادي باسترجاع محتويات أي ملف على الفور، سواء كنت بحاجة إلى الإشارة إلى فكرة قديمة أو سحب تفاصيل من ملاحظة مشروع. إذا أردت جمع ملاحظات متعددة مرة واحدة، يمكنني قراءة مجلدات كاملة دفعة واحدة. يمكنني إجراء بحث بسيط أو معقد كلما احتجت إلى العثور على شيء مدفون في خزانتي. يمكنني أيضًا سرد التغييرات الأخيرة، والوصول إلى ملاحظاتي الدورية، أو تصفح أدلة كاملة عندما أحتاج إلى نظرة عامة على عملي.
للمهام الأكثر تعقيدًا، مثل الكتابة والتحرير، يمكنني أيضًا ضبط تفكير النموذج على مرتفع، مما يجب أن ينتج عنه نتائج أفضل للمهام التي تتطلب فهمًا وسياقًا أفضل. يمكن بعد ذلك إرسال النتائج إلى MCP في Obsidian لإضافة المحتوى الجديد مباشرة إلى ملاحظة معينة في خزانتي. يحدث كل هذا بسلاسة دون الحاجة إلى تبديل النوافذ أو نسخ النص أو إدارة الملفات يدويًا. يمكن لنموذج LLM المحلي التفاعل مع خزانتي مباشرة.
بينما من الممكن استخدام توليد مدعوم بالاسترجاع (RAG) كطريقة أبسط وأسرع لربط خزانة Obsidian الخاصة بك بنموذج LLM المحلي، إلا أنه يقتصر على استرجاع البيانات فقط. يعمل هذا إذا كنت بحاجة فقط إلى إعطاء سياق لنموذج LLM الخاص بك من ملاحظاتك، ولكن إذا كنت تريد أن يتفاعل النموذج مباشرة مع خزانة Obsidian الخاصة بك، فستحتاج إلى طبقة MCP.
كان إعدادها بسيطًا بشكل مدهش
استغرق الأمر بضع دقائق فقط!
قد يبدو مصطلح MCP مخيفًا في البداية، لكن العملية الفعلية لإعداده بسيطة جدًا. ستحتاج إلى تثبيت بعض الأشياء، وربطها معًا، ويجب أن تعمل كل شيء.
ابدأ بتثبيت Docker Desktop على جهاز الكمبيوتر الخاص بك من الموقع الرسمي. يدير Docker البنية التحتية الخلفية، لذا لا تحتاج إلى إدارة الخوادم أو التكوينات المعقدة. ثم، قم بتثبيت خادم Obsidian MCP داخل Docker من قسم MCP Toolkit.
سيسألك Obsidian MCP عن واجهة برمجة التطبيقات الخاصة بـ Obsidian. للحصول على واجهة برمجة التطبيقات، ستحتاج إلى فتح Obsidian وتثبيت المكون الإضافي Local REST API من المجتمع. يتيح لك هذا المكون الإضافي التحدث إلى خزانتي بأمان. انتقل إلى الخيارات واحصل على مفتاح API الخاص بـ Obsidian من إعدادات المكون الإضافي، وأضفه إلى حقل API الخاص بـ Obsidian MCP، واضغط على تحقق.
الآن حان الوقت لربط نموذج LLM المحلي الخاص بك بـ MCP. قم بتثبيت LM Studio من موقع التنزيل الرسمي، وقم بتنزيل نموذج الذكاء الاصطناعي المفضل لديك من التطبيق. ثم عد إلى MCP Toolkit في Docker، انقر على العملاء، وقم بتنزيل LM Studio. سيؤدي ذلك إلى ربط Obsidian MCP تلقائيًا بـ LM Studio.
للبدء في استخدام الإعداد، قم بتشغيل LM Studio واستضافة نموذج ذكاء اصطناعي في علامة التبويب المطور. بمجرد تشغيله، انتقل إلى علامة التبويب الدردشة، انقر على أيقونة القابس في أسفل مربع المطالبة، وقم بتمكين mcp/mcp-docker. يجب أن تتصل تفاعلات الدردشة الخاصة بك الآن مباشرة بخزانة Obsidian الخاصة بك!
بينما يجب أن تعمل معظم نماذج الدردشة مع هذا الإعداد، وجدت أن النماذج الصغيرة ذات 8B لم تفهم فكرة التفاعل المباشر مع MCP وغالبًا ما أعطت تعليمات بدلاً من القيام بالعمل فعليًا. في اختباري، كانت النماذج ذات قدرات التفكير، مثل نموذج OpenAI/gpt-oss-20b، قادرة على التفاعل مع خزانة Obsidian الخاصة بي من خلال خادم MCP. لذا، أوصي بالبدء باستخدام openai/gpt-oss-20b عند اختبار هذا الإعداد لأول مرة.
جربه اليوم
جرب ذلك. إذا كنت تستخدم Obsidian بالفعل ولديك جهاز كمبيوتر جيد، فلديك كل ما تحتاجه للبدء. تستغرق عملية الإعداد بضع دقائق فقط، وبمجرد تشغيلها، ستلاحظ على الفور كيف أن هذا مختلف مقارنة بأدوات الذكاء الاصطناعي السحابية. ستحصل على ذكاء اصطناعي يفهم خزانتك حقًا لأنه يعمل مباشرة داخلها؛ ستستعيد خصوصيتك، وستحصل على السيطرة الحقيقية على أدواتك. هذا المزيج يوفر الوقت ويجعل سير العمل الخاص بك يبدو أكثر سلاسة وشخصية. ابدأ في إعدادها اليوم وانظر كيف تحول الطريقة التي تعمل بها مع ملاحظاتك.
جرب إعداد نموذج محلي مع Obsidian اليوم واستمتع بتجربة تدوين ملاحظات أكثر خصوصية وسلاسة.
