nicholasglazer/gnosis-mcp

Гнозис MCP

Перестаньте вставлять файлы в контекст. Вместо этого ваш агент ИИ ищет ваши местные документы. 5-10x меньше токенов на поиск. 92% Hit@5 на реальных документах. Нулевая облачная зависимость.

Быстрый старт · Документация · Инструменты · конфигурация · Полная ссылка

Ingest docs → Search with highlights → Stats overview → Serve to AI Agents

Без док-сервера

LLM галлюцинируют сигнатуры API, которых не существует Целые файлы, сброшенные в контекст — 3000–15 000 токенов на документ Архитектурные решения, похороненные в десятках файлов Каждый повторный поиск оплачивает полную стоимость контекста

###С помощью Gnosis MCP

• search_docs возвраты ранжированы, выделены выдержки - обычно 300-800 токенов Реальные ответы, основанные на ваших реальных документах, а не догадки из данных обучения Один локальный индекс в сотнях файлов — мгновенный поиск по нескольким сайтам **5-10x сбережение токенов ** на поиск, когда ваш корпус покрывает вопрос

Что отличает гносис-мкп

** Ваши данные остаются на вашем компьютере.** SQLite по умолчанию, PostgreSQL в масштабе — ничто не покидает хост. **Обозначьте все, что имеет форму документа.

---

Without a docs server

• LLMs hallucinate API signatures that don’t exist
• Entire files dumped into context — 3,000–15,000 tokens per doc
• Architecture decisions buried across dozens of files
• Every repeated lookup pays full context cost

With Gnosis MCP

• search_docs returns ranked, highlighted excerpts — typically 300–800 tokens
• Real answers grounded in your actual docs, not guesses from training data
• One local index across hundreds of files — instant multi-doc search
• 5–10× token savings per lookup when your corpus covers the question

---

What makes gnosis-mcp different

• Your data stays on your machine. SQLite by default, PostgreSQL at scale — nothing leaves the host.
• Index anything that’s docs-shaped. Markdown, git commit history, crawled websites — one index, one search API.
• Measured, not marketed. Ships BEIR SciFact numbers (0.671 nDCG@10 — within 1 % of the Lucene BM25 baseline), a reproducible eval harness (gnosis-mcp eval), and a chunk-size sweep showing where the quality plateau actually sits.

Full side-by-side vs Context7 / docs-mcp-server / mcp-local-rag: gnosismcp.com#compare.

---

Features

• Zero config — SQLite by default, pip install and go