Metadata-Version: 2.4
Name: xmind-mcp-server
Version: 0.3.0
Summary: 让大模型读写 XMind 文件，支持图片 OCR 的 MCP Server
Author-email: GarryWhite109909 <3284263390@qq.com>
License: MIT
Project-URL: Homepage, https://github.com/GarryWhite109909/xmind-mcp-server
Project-URL: Repository, https://github.com/GarryWhite109909/xmind-mcp-server
Project-URL: Issues, https://github.com/GarryWhite109909/xmind-mcp-server/issues
Classifier: Development Status :: 4 - Beta
Classifier: Intended Audience :: Developers
Classifier: License :: OSI Approved :: MIT License
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.10
Classifier: Programming Language :: Python :: 3.11
Classifier: Programming Language :: Python :: 3.12
Classifier: Programming Language :: Python :: 3.13
Classifier: Operating System :: OS Independent
Requires-Python: >=3.10
Description-Content-Type: text/markdown
License-File: LICENSE
Requires-Dist: mcp>=2.0.0
Requires-Dist: psutil>=5.9.0
Requires-Dist: Pillow>=10.0.0
Requires-Dist: rapidocr-onnxruntime>=1.2.0
Requires-Dist: onnxruntime>=1.16.0
Requires-Dist: matplotlib>=3.5.0
Provides-Extra: paddleocr
Requires-Dist: paddleocr>=2.7.0; extra == "paddleocr"
Requires-Dist: paddlepaddle>=2.6.0; extra == "paddleocr"
Provides-Extra: dev
Requires-Dist: pytest>=7.0.0; extra == "dev"
Requires-Dist: pytest-asyncio>=0.21.0; extra == "dev"
Provides-Extra: all
Requires-Dist: pytest>=7.0.0; extra == "all"
Requires-Dist: pytest-asyncio>=0.21.0; extra == "all"
Dynamic: license-file

# XMind MCP Server

> 让大模型真正“看懂”并“修改&美化” XMind 思维导图的本地 MCP Server。（用此mcp从md导入的文件不会有svg预览，因此会比软件导入轻量很多，但必要元素都能正确导入）

[![Python](https://img.shields.io/badge/python-3.10+-blue.svg)](https://www.python.org/)
[![License](https://img.shields.io/badge/license-MIT-green.svg)](LICENSE)
[![PyPI](https://img.shields.io/pypi/v/xmind-mcp-server.svg)](https://pypi.org/project/xmind-mcp-server/)
[![Downloads](https://img.shields.io/pypi/dm/xmind-mcp-server.svg)](https://pypi.org/project/xmind-mcp-server/)

XMind MCP Server 是一个基于 [Model Context Protocol (MCP)](https://modelcontextprotocol.io/) 的本地服务。它把 XMind 文件解析、图片 OCR、节点编辑和文件写回能力封装成一套标准工具，供 Trae、Claude Desktop、Cursor 等支持 MCP 的客户端调用。

***

## ✨ 核心亮点

### 1. 不只是读文字，还能读图片

普通方式只能让模型看到节点的标题文字。XMind MCP Server 会对节点中的图片进行本地 OCR，把图片里的文字也喂给模型，真正“看懂”整份思维导图。

```text
📄 工作表: 操作系统
└─ [L0] [id: root-1] 操作系统
   └─ [L1] [id: abc-123] 📷图片
         ↳ [OCR] 中央处理器
                (CPU)
```

### 2. 既能读，也能写

支持通过自然语言指令让模型直接修改 XMind 文件：

- 添加子节点
- 修改标题 / 备注
- 删除节点
- 移动节点
- 保存回原文件或另存为新文件

### 3. 本地 OCR，零云端依赖

内置 RapidOCR（默认）和 PaddleOCR 两种后端，全部在本地运行：

- 不调用任何云端多模态 API
- 不消耗 Token
- 图片内容识别不上传到第三方

### 4. 自动硬件检测与最佳配置

首次启动自动检测 GPU、CPU、内存，并选择最适合的推理后端；
如果配置的设备实际不可用（例如 CUDA 库缺失），启动时会自动回退到 CPU 并修正配置：

| 显卡     | Windows             | Linux  | macOS |
| ------ | ------------------- | ------ | ----- |
| NVIDIA | CUDA ✅              | CUDA ✅ | CPU   |
| AMD    | CPU（可手动开启 DirectML） | CPU    | CPU   |
| Intel  | CPU（可手动开启 DirectML） | CPU    | CPU   |
| 无独显    | CPU ✅               | CPU ✅  | CPU ✅ |

> DirectML 需要 `rapidocr-onnxruntime>=1.3.23`，且收益不稳定，因此默认不推荐；
> 需要时用 `xmind-mcp --setup --device directml` 显式开启。

### 5. 安全写回，保留原文件结构

保存时不会破坏 XMind 文件中的样式、主题、附件、manifest 等资源，只修改
`content.json`，再安全重组 ZIP。**覆盖保存原文件前会自动备份到
`~/.xmind-mcp/backups/`（每个文件保留最近 20 份）**，模型改坏了也能找回。

### 6. Markdown 公式自动渲染

从 Markdown 导入时，自动识别块级 `$$...$$` 数学公式，用 matplotlib 渲染成图片
插入对应节点——**免费版 XMind 也能显示公式**，不再是一串乱码 LaTeX 文本。
行内公式 `$...$` 保持为文本；mathtext 渲染不了的公式会原样保留，不报错不中断。

***

## 🆚 与纯 Python 脚本对比

| 能力       | 纯 Python 脚本                          | XMind MCP Server |
| -------- | ------------------------------------ | ---------------- |
| 读文本节点    | ✅ 可以                                 | ✅ 可以             |
| 找图片位置    | ⚠️ 容易漏（summary、attachment、notes 里的图） | ✅ 封装完整           |
| 理解图片内容   | ❌ 必须依赖多模态模型                          | ✅ 本地 OCR，不依赖模型能力 |
| 写回 xmind | ⚠️ 要手动处理 manifest checksum、ZIP 重组    | ✅ 封装安全写回         |
| 批量处理     | ⚠️ 自己写循环                             | ✅ 统一接口           |
| 被大模型调用   | ❌ 需要额外包装                             | ✅ MCP 标准协议       |

***

## 📦 安装

### 从 PyPI 安装（推荐）

```bash
pip install xmind-mcp-server
```

RapidOCR + onnxruntime（OCR）和 matplotlib（Markdown 公式渲染）已作为**必装依赖**内置，
安装后即具备 OCR 与公式导入能力（首次启动只需联网下载 OCR 模型）。

可选安装 PaddleOCR 引擎（需更大依赖）：

```bash
pip install "xmind-mcp-server[paddleocr]"
```

### 从源码安装

```bash
git clone https://github.com/GarryWhite109909/xmind-mcp-server.git
cd xmind-mcp-server
pip install -e ".[dev]"
```

> `.[dev]` 额外安装测试依赖（pytest）；OCR 依赖已内置，无需额外指定。

***

## 🚀 快速开始

### 1. 首次启动（自动配置）

```bash
xmind-mcp
```

首次运行会：

1. 检测操作系统、CPU、内存、显卡
2. 选择合适的 OCR 引擎和推理设备
3. 安装对应的推理依赖（NVIDIA 装 onnxruntime-gpu，其余默认 CPU；DirectML 可选）
4. 写入配置到 `~/.xmind-mcp/config.json`

> 💡 **GPU 提示**：如果检测到 NVIDIA 显卡但未安装 CUDA 运行库，首次运行会询问
> 是否启用 GPU 加速。选「是」会自动安装 pip 版 CUDA 运行库 + `onnxruntime-gpu`
> （约几百 MB）；选「否」则直接用 CPU（对笔记场景也够用）。非 NVIDIA 显卡或无
> 检测到显卡的用户不会收到该询问，直接使用 CPU。

第二次运行直接启动，无需重复配置。

### 2. 在 Trae / Claude Desktop / Cursor 中配置

#### Trae

打开设置 → MCP，手动添加：

```json
{
  "mcpServers": {
    "xmind-mcp": {
      "command": "xmind-mcp",
      "args": []
    }
  }
}
```

如果 `xmind-mcp` 不在系统 PATH，使用 Python 解释器绝对路径：

```json
{
  "mcpServers": {
    "xmind-mcp": {
      "command": "C:\\Users\\<你的用户名>\\.miniconda\\python.exe",
      "args": ["-m", "xmind_mcp"]
    }
  }
}
```

> 💡 修改代码后，需要在 Trae 中禁用再启用该 MCP，或重启 Trae，才能加载最新版本。

#### Claude Desktop

编辑 `claude_desktop_config.json`：

- **macOS**: `~/Library/Application Support/Claude/claude_desktop_config.json`
- **Windows**: `%APPDATA%\Claude\claude_desktop_config.json`

```json
{
  "mcpServers": {
    "xmind-mcp": {
      "command": "xmind-mcp",
      "args": []
    }
  }
}
```

***

## 🛠️ 工具一览

### 读取类

| 工具                | 说明                                                                               |
| ----------------- | -------------------------------------------------------------------------------- |
| `read_structure`  | 读取节点树结构，默认输出层级 + 节点 ID                                                           |
| `read_all`        | 节点树 + 图片 OCR + notes/labels/markers/超链接/样式元数据，支持 `max_depth` / `max_nodes` 防爆上下文 |
| `list_images`     | 列出所有含图片的节点                                                                       |
| `read_image_ocr`  | 对指定节点的图片做 OCR                                                                    |
| `find_node`       | 按标题关键词搜索节点，返回 ID 和路径                                                             |
| `get_node`        | 读取单个节点完整信息（含主题类型、节点自身样式、主题继承样式、超链接、父节点）                                          |
| `analyze_file`    | 文件统计/体检：节点数、深度、重复标题、空节点等                                                         |
| `analyze_style`   | 样式审计：主题层级默认样式、颜色/字体/形状使用统计、节点有效样式                                      |
| `export_markdown` | 导出为 Markdown 大纲                                                                  |
| `export_text`     | 导出为纯文本大纲                                                                         |
| `export_svg`      | 导出节点树示意图 SVG（供人工预览）                                                            |
| `list_sheets`     | 列出所有工作表                                                                          |
| `list_attachments`| 列出附件/图片资源，标注被引用与未引用                                                          |

### 结构编辑类

| 工具                     | 说明                                           |
| ---------------------- | -------------------------------------------- |
| `add_node`             | 在指定父节点下添加子节点                                 |
| `add_nodes`            | 批量添加多个子节点                                    |
| `update_node`          | 更新节点标题 / 备注                                  |
| `delete_node`          | 删除节点及其子节点                                    |
| `move_node`            | 移动节点到新父节点下，可指定 `before_id` / `after_id` 插入位置 |
| `duplicate_node`       | 复制节点（含整棵子树）到新父节点                             |
| `save_file`            | 保存修改，可覆盖或另存为                                 |
| `create_file`          | 从零新建 XMind 文件（支持嵌套 JSON 结构）                  |
| `import_markdown`      | 把传入的 Markdown 文本逐行原样转成 XMind（不概括、不精简）        |
| `import_markdown_file` | 直接读取磁盘上的 .md 文件，逐行原样转成 XMind（表格、代码块、引用都保留）   |
| `repair_file`          | 修复打不开的 XMind 文件（补全必需组成部分；content.json 缺失/损坏时重建空白画布并保留附件，覆盖前自动备份） |
| `apply_to_matching`    | 按标题关键词批量设置样式、标记、标签（支持 preview 预览）          |
| `batch_update_titles`  | 按关键词/正则批量替换标题                                   |
| `delete_empty_nodes`   | 删除空标题节点（含子树）                                   |
| `merge_duplicate_nodes`| 合并标题相同的兄弟节点（子节点并入后删除重复项）                    |
| `notes_to_children`    | 备注逐行转为子节点                                       |
| `children_to_notes`    | 子节点标题合并为备注                                      |
| `auto_number`          | 自动编号（decimal / hierarchical）                     |
| `add_sheet` / `rename_sheet` | 新增 / 重命名工作表                               |
| `delete_sheet` / `move_sheet` | 删除 / 排序工作表                               |
| `list_backups` / `restore_backup` | 列出 / 恢复自动备份（恢复前会再备份当前文件）           |
| `remove_unused_attachments` | 移除未被引用的附件/图片，减小文件体积                     |

### 美化 / 标记类（让笔记更美观易读）

| 工具                                         | 说明                                          |
| ------------------------------------------ | ------------------------------------------- |
| `set_node_style`                           | 字体、字号、颜色、加粗/斜体、删除线/下划线、大小写变换、背景/边框色、线宽预设（极细~极粗）、填充/边框线型、形状（12种）、重要程度（极其重要/重要/删去/默认）、对齐；颜色支持 #RRGGBBAA 和「4E0D58 60%」透明度写法 |
| `set_branch_style`                         | 分支连线类型（圆角折线/折线/直线/曲线/圆弧/手绘/圆角手绘）、终点样式（圆点/三角形/菱形/双箭头等）、粗细、颜色、线型 |
| `set_theme_style`                          | 主题级默认样式：中心主题/分支主题/第三层级主题/细分主题/自由主题 |
| `set_sheet_layout`                         | 切换工作表布局（思维导图/逻辑图/括号图/组织结构图/树形图/时间轴/鱼骨图/矩阵图/树型表格） |
| `apply_style_preset`                       | 一键套用配色预设（清新蓝 / 暖阳橙 / 莫兰迪绿，支持 preview 预览）   |
| `set_hyperlink`                            | 给节点添加 / 移除超链接                               |
| `add_image`                                | 给节点插入本地图片                                   |
| `add_summary`                              | 给连续子节点区间添加概要                                |
| `add_boundary`                             | 给连续子节点区间添加边界                                |
| `add_relationship` / `remove_relationship` | 添加 / 删除关系线                                  |
| `remove_boundary`                          | 删除边界                                        |
| `add_marker` / `remove_marker`             | 添加 / 移除优先级、任务进度等图标                          |
| `add_label` / `remove_label`               | 添加 / 移除标签                                   |

所有编辑工具都支持 `auto_save=true`，设置后会自动保存，无需再手动调用 `save_file`。

### 系统类

| 工具                  | 说明             |
| ------------------- | -------------- |
| `get_hardware_info` | 查看硬件检测和 OCR 配置 |

***

## 💬 使用示例

### 例 1：让模型总结一份 XMind

> 请读取 `D:\\docs\\操作系统.xmind`，总结其中的核心概念，并识别所有图片里的文字。

模型会调用：

1. `read_all` 读取完整结构和图片 OCR
2. 基于返回内容生成总结

### 例 2：搜索节点并编辑

> 在 `D:\\docs\\操作系统.xmind` 中找到“进程”相关节点，给它们都加上一条备注“需重点复习”。

模型会调用：

1. `find_node` 搜索“进程”
2. `update_node` 更新备注（可设置 `auto_save=true`）

### 例 3：导出为 Markdown

> 把 `D:\\docs\\操作系统.xmind` 导出成 Markdown 大纲，保留节点 ID。

模型会调用 `export_markdown`，返回：

```markdown
# 操作系统

- 操作系统 `id:root-1`
  - 进程 `id:child-1`
  - 线程 `id:child-2`
```

### 例 4：让模型美化笔记

> 把 `D:\\docs\\操作系统.xmind` 里"重点"相关的节点标红加粗，并给"考试必考"的节点加优先级图标。

模型会调用：

1. `find_node` 找到"重点"相关节点
2. `set_node_style` 设置 `font_color=#FF0000`、`font_weight=bold`
3. `add_marker` 添加 `priority-1` 图标
4. `save_file` 保存

### 例 5：从 Markdown 新建一份思维导图

> 把下面这份大纲转成 `D:\\docs\\新笔记.xmind`：
>
> ```
> # Python 学习路线
> - 基础语法
>   - 变量与类型
> - 常用库
> ```

模型会调用 `import_markdown`，一步生成 XMind 文件。

### 例 6：批量美化 + 体检

> 分析 `D:\\docs\\操作系统.xmind`，把标题含"重点"的节点全部标红加粗并加优先级图标，然后告诉我有没有重复标题或空节点。

模型会调用：

1. `analyze_file` 先体检
2. `apply_to_matching` 批量设置样式和标记（可 `auto_save=true`）
3. 保存

### 例 7：结构化视觉元素

> 把 `D:\\docs\\操作系统.xmind` 的"进程"和"线程"加一个概要，给"重点章节"加边界，
> 并在"进程"和"内存"之间画一条关系线，最后套用"清新蓝"配色。

模型会调用 `add_summary`、`add_boundary`、`add_relationship`、`apply_style_preset`，
这些都是 XMind 原生视觉元素，可以在 XMind 里继续调整。

### 例 8：导入带公式的 Markdown

> 把一份含数学公式的 Markdown 笔记转成 `D:\\docs\\高数.xmind`。

```markdown
# 高数笔记

质能方程：

$$
E = mc^2
$$

**牛顿第二定律**
$$
F = ma
$$
```

模型调用 `import_markdown` 时，会自动识别块级 `$$...$$` 公式，
用 matplotlib 渲染成图片并插入对应节点（免费版 XMind 也能显示）。
行内公式 `$...$` 保持为文本；mathtext 渲染不了的公式会原样保留不报错。

***

## ⚙️ 命令行参数

```bash
xmind-mcp                    # 启动 MCP Server（首次自动配置）
xmind-mcp --setup            # 重新检测硬件并配置
xmind-mcp --info             # 打印当前硬件和配置信息
xmind-mcp --engine rapidocr  # 指定 OCR 引擎
xmind-mcp --device cuda      # 强制指定推理设备
xmind-mcp --uninstall        # 一键卸载（依赖 + 模型 + 配置 + 可选本体）
xmind-mcp --uninstall --yes  # 全自动卸载（含本体，跳过所有确认）
```

切换 OCR 引擎：

```bash
xmind-mcp --setup --engine paddleocr
```

一键卸载：

```bash
xmind-mcp --uninstall
xmind-mcp --uninstall --yes   # 全自动：连本包一起卸载，不询问
```

卸载流程（按实际检测结果动态执行）：

1. 卸载当前 Python 环境中已安装的 OCR/运行时依赖（rapidocr-onnxruntime、paddleocr、onnxruntime 各变体、`nvidia-*-cu12` CUDA 运行库等；不依赖配置文件，配置缺失/损坏也能识别）；
2. 停止正在运行的 XMind MCP Server（避免数据目录被占用，交互模式下会先询问）；
3. 删除本地数据目录 `~/.xmind-mcp`（配置、OCR 缓存、自动备份）；
4. 删除 OCR 模型缓存（`~/.cache/rapidocr`、`~/.cache/rapidocr_onnxruntime`、`~/.paddleocr`）；
5. 询问（或 `--yes` 直接执行）是否同时卸载本包 `xmind-mcp-server` 及其直接依赖 `mcp`、`psutil`、`Pillow`——这些是通用库，可能被其他项目使用，请确认后再删。

卸载失败时退出码非 0，并列出未成功的步骤；非交互环境（无终端输入）默认保留本包，可用 `--yes` 全自动卸载。

***

## 📁 本地文件位置

| 文件/目录                       | 说明                        |
| --------------------------- | ------------------------- |
| `~/.xmind-mcp/config.json`  | 硬件检测结果、OCR 引擎、推理设备配置      |
| `~/.xmind-mcp/ocr_cache.db` | OCR 结果缓存，避免同一张图重复识别       |
| `~/.xmind-mcp/backups/`     | 覆盖保存前的自动备份（每个文件保留最近 20 份） |

> MCP 关闭时会自动释放 OCR 模型占用的内存 / 显存。

***

## ✅ 支持的 XMind 版本

- ✅ XMind Zen / XMind 2020+ / 2022 / 2024（JSON 格式）
- ❌ XMind 8 及更早（XML 格式，暂不支持）

***

## 🧪 开发 & 测试

```bash
git clone https://github.com/GarryWhite109909/xmind-mcp-server.git
cd xmind-mcp-server
pip install -e ".[dev]"
pytest
```

当前测试覆盖：文件解析、节点增删改查、图片加载、OCR、MCP Server 协议握手、Markdown 导出等。

***

## 📄 License

MIT © GarryWhite
