OpenZIM MCP сервер

Современный, безопасный MCP сервер, который позволяет AI моделям получать доступ и искать в базах знаний формата ZIM в оффлайне, включая Wikipedia и архивы образовательного контента с интеллектуальной навигацией и контекстно-зависимым обнаружением.

Установка

PyPI

pip install openzim-mcp

Из исходного кода

git clone https://github.com/cameronrye/openzim-mcp.git
cd openzim-mcp
uv sync
uv sync --dev

Запуск сервера

# Простой режим (по умолчанию)
openzim-mcp /path/to/zim/files
python -m openzim_mcp /path/to/zim/files

# Продвинутый режим
openzim-mcp --mode advanced /path/to/zim/files
python -m openzim_mcp --mode advanced /path/to/zim/files

Конфигурация

Простой режим (по умолчанию)

{
  "openzim-mcp": {
    "command": "openzim-mcp",
    "args": ["/path/to/zim/files"]
  }
}

Продвинутый режим

{
  "openzim-mcp-advanced": {
    "command": "openzim-mcp",
    "args": ["--mode", "advanced", "/path/to/zim/files"]
  }
}

Python модуль

{
  "openzim-mcp": {
    "command": "python",
    "args": [
      "-m",
      "openzim_mcp",
      "/path/to/zim/files"
    ]
  }
}

Разработка

{
  "openzim-mcp": {
    "command": "uv",
    "args": [
      "--directory",
      "/path/to/openzim-mcp",
      "run",
      "python",
      "-m",
      "openzim_mcp",
      "/path/to/zim/files"
    ]
  }
}

Доступные инструменты

Инструмент	Описание
`list_zim_files`	Список всех ZIM файлов в разрешенных директориях
`search_zim_file`	Поиск в содержимом ZIM файла с параметрами запроса, лимита и смещения
`get_zim_entry`	Получение подробного содержимого конкретной записи в ZIM файле с умным извлечением и автоматическим резервным вариантом
`get_zim_metadata`	Получение метаданных ZIM файла из записей пространства имен M, включая количество записей и информацию об архиве
`get_main_page`	Получение главной страницы из пространства имен W
`list_namespaces`	Список доступных пространств имен и количество записей в них
`browse_namespace`	Просмотр записей в конкретном пространстве имен с пагинацией
`search_with_filters`	Поиск в содержимом ZIM файла с продвинутыми фильтрами для пространства имен и типа контента
`get_search_suggestions`	Получение поисковых предложений и автодополнения для частичных запросов
`get_article_structure`	Извлечение структуры статьи и метаданных, включая заголовки, разделы и количество слов
`extract_article_links`	Извлечение внутренних и внешних ссылок из статьи с категоризацией

Возможности

Поддержка двух режимов: Выбор между простым режимом (1 интеллектуальный инструмент на естественном языке) или продвинутым режимом (15 специализированных инструментов)
Безопасность прежде всего: Комплексная валидация входных данных и защита от обхода путей
Высокая производительность: Интеллектуальное кэширование и оптимизированные операции с ZIM файлами
Умное извлечение: Автоматический резервный вариант от прямого доступа к поиску на основе результатов
Умная навигация: Просмотр по пространству имен (статьи, метаданные, медиа) вместо слепого поиска
Контекстно-зависимое обнаружение: Получение структуры статьи, связей и метаданных для более глубокого понимания
Интеллектуальный поиск: Продвинутая фильтрация, предложения автодополнения и результаты, ранжированные по релевантности
Оптимизированная производительность: Кэшированные операции и пагинация предотвращают таймауты на массивных архивах
Картографирование связей: Извлечение внутренних/внешних ссылок для понимания связей контента
Хорошо протестировано: 90%+ покрытие тестами с комплексным набором тестов

Примеры использования

Поиск статей о биологии в ZIM файле Wikipedia

Получение содержимого конкретной статьи Wikipedia

Просмотр всех статей в конкретном пространстве имен

Получение поисковых предложений для частичных запросов

Извлечение структуры и заголовков из статьи

Ресурсы

GitHub Repository

Примечания

Требует ZIM файлы, скачанные из Kiwix Library. Поддерживает формат ZIM со сжатием Zstandard. Интегрируется с официальным zim-testing-suite для комплексного тестирования. Работает в оффлайне с Wikipedia, Wiktionary и другими архивами образовательного контента.