Anki MCP 服务器集成

“Anki” MCP 服务器能做什么？

Anki MCP（模型上下文协议）服务器通过利用 Anki-Connect 插件，将 Anki 桌面应用与 AI 助手无缝连接。该服务器实现了对 Anki 抽认卡数据库的便捷访问，让 AI 模型可以以编程方式与抽认卡组交互。包括获取待复习卡片、访问未见过或新卡片，甚至直接通过 MCP 接口创建新抽认卡。开发者和用户可以通过集成大语言模型，实现智能复习、自动抽认卡创建等功能，充分利用 Anki 强大的间隔重复系统。此集成对于希望自动化或丰富抽认卡学习的教育、效率与记忆增强类工具尤为有价值。

提示词列表

仓库中未列出或描述任何提示词模板。

Ready to grow your business?

Start your free trial today and see results within days.

Request demo Log in

资源列表

• anki://search/deckcurrent
  • 返回当前牌组中的所有卡片。等同于 Anki 中的 deck:current。
• anki://search/isdue
  • 返回所有待复习和学习中的卡片。等同于 Anki 中的 is:due。
• anki://search/isnew
  • 返回所有未见过的新卡片。等同于 Anki 中的 is:new。

工具列表

• update_cards
  • 将指定卡片 ID 的卡片标记为已答，并赋予难度评分（1 = 再来一次，4 = 容易）。
  • 输入：包含 cardId（数字）和 ease（数字）的对象数组。
• add_card
  • 在默认 Anki 牌组中创建新卡片。
  • 输入：front（字符串），back（字符串）。
• get_due_cards
  • 返回指定数量的当前待复习卡片。
  • 输入：num（数字）。
• get_new_cards
  • 返回指定数量的新卡片。
  • 输入：num（数字）。

Join our newsletter

Get latest tips, trends, and deals for free.

Email address

Subscribe

此 MCP 服务器应用场景

• 自动抽认卡复习
  • 与 AI 助手集成，自动获取并复习到期卡片，简化学习流程。
• 智能抽认卡创建
  • 利用大语言模型根据用户笔记或外部内容按需生成新抽认卡，并直接添加到 Anki。
• 进度监控
  • 获取新卡、已见卡和待复习卡的状态，帮助用户可视化和管理学习进度。
• 自适应学习
  • 根据用户表现调整卡片调度或推荐复习，结合 AI 洞察与 Anki 的调度。
• 无缝学习工作流
  • 将 Anki 复习任务与其他效率或学习工具连接，打造一体化学习环境。

安装设置方法

Windsurf

1. 确保已安装 Node.js 并在 Anki 桌面端启用 Anki-Connect 插件。
2. 安装 Anki MCP 服务器：
   npm install @anki/mcp-server@latest
3. 编辑你的 Windsurf 配置文件，添加 MCP 服务器：

   {
     "mcpServers": {
       "anki-mcp-server": {
         "command": "/path/to/anki-mcp-server/build/index.js"
       }
     }
   }
   

4. 保存配置并重启 Windsurf。
5. 检查你的 AI 助手中 Anki MCP 集成是否已运行。

Claude

1. 确保已安装 Node.js 并在 Anki 中运行 Anki-Connect。
2. 安装 Anki MCP 服务器。
3. 找到并编辑 Claude Desktop 配置文件：
   MacOS 路径：~/Library/Application Support/Claude/claude_desktop_config.json
   Windows 路径：%APPDATA%/Claude/claude_desktop_config.json
4. 添加以下配置：

   {
     "mcpServers": {
       "anki-mcp-server": {
         "command": "/path/to/anki-mcp-server/build/index.js"
       }
     }
   }
   

5. 保存并重启 Claude，检查 Anki MCP 服务器是否可用。

Cursor

1. 安装 Node.js 并确保已启用 Anki-Connect。
2. 安装 Anki MCP 服务器。
3. 编辑 Cursor 配置，加入如下内容：

   {
     "mcpServers": {
       "anki-mcp-server": {
         "command": "/path/to/anki-mcp-server/build/index.js"
       }
     }
   }
   

4. 保存并重启 Cursor 启用服务器。

Cline

1. 配置 Node.js 和 Anki-Connect。
2. 安装 Anki MCP 服务器。
3. 更新你的 Cline 配置：

   {
     "mcpServers": {
       "anki-mcp-server": {
         "command": "/path/to/anki-mcp-server/build/index.js"
       }
     }
   }
   

4. 保存文件并重启 Cline 激活服务器。

API 密钥安全配置

如果需要提供密钥或 API Key，请使用环境变量。例如：

{
  "mcpServers": {
    "anki-mcp-server": {
      "command": "/path/to/anki-mcp-server/build/index.js",
      "env": {
        "ANKI_CONNECT_API_KEY": "${ANKI_CONNECT_API_KEY}"
      },
      "inputs": {
        "apiKey": "${ANKI_CONNECT_API_KEY}"
      }
    }
  }
}

**注意：**请用你的实际环境变量替换 ANKI_CONNECT_API_KEY。

在流程中如何使用此 MCP

在 FlowHunt 中使用 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，首先添加 MCP 组件到你的流程，并将其连接到你的 AI 代理：

点击 MCP 组件以打开配置面板。在系统 MCP 配置区，使用如下 JSON 格式填写服务器信息：

{
  "anki-mcp-server": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 代理即可作为工具调用此 MCP，访问其全部功能。记得将 “anki-mcp-server” 替换为你实际的 MCP 服务器名称，并将 URL 替换为你自己的 MCP 服务器地址。

概览

根据现有信息，Anki MCP 服务器为抽认卡自动化和复习提供了良好的集成。虽然缺少提示词模板和采样功能限制了灵活性，但其工具集在预期用途上相当强大。文档清晰，安装指导齐全。总体而言，对于 Anki 用户来说，该 MCP 在实用性和清晰度上可得 7/10 分。

MCP 评分