brain-mcp

关键词

本地记忆、向量检索、工具执行、跨源搜索本地嵌入会话上下文

使用说明（Markdown 格式）

  • 项目简介 brain-mcp 是一个完整的 MCP 服务器实现，旨在为大语言模型客户端提供标准化的上下文服务。它托管会话资源、注册并执行工具、并提供可定制的 Prompt 模板渲染能力，所有核心流程通过本地组件完成，降低云依赖与成本。

  • 主要功能点

    • 资源与数据管理：本地存储会话数据、向量嵌入、摘要等，支持 DuckDB、LanceDB 等本地数据库与向量库。
    • 工具注册与执行：内置 25+ MCP 工具集合，支持对话检索、摘要、推理、对话生成等多模态操作，所有工具通过 MCP 的统一接口注册。
    • Prompt 与渲染：基于汇总数据与 domain 分类的提示与结构化输出，便于 LLM 客户端接入并获取所需上下文。
    • 本地化与隐私保护：默认 100% 本地运行，数据不离开设备，支持离线工作与本地嵌入模型。

  • 安装步骤

    1. 通过 Python 包管理器安装 Brain-MCP（如环境已配置 Python 3.11+）。
    2. 根据需要执行初始化流程，发现本地聊天源并生成 brain.yaml 配置：
      • brain-mcp init
      • brain-mcp init --full
    3. 选择数据源并导入/嵌入数据：
      • brain-mcp ingest
      • brain-mcp embed
    4. 启动 MCP 服务器：
      • brain-mcp serve
      • 或以 Python 直接运行服务器入口：python -m brain_mcp.server
    5. 使用 MCP 客户端连接并通过 JSON-RPC 调用服务器提供的资源、工具、Prompts。

  • 服务器配置（MCP 客户端所需信息） 下面给出配置示例，展示如何告知 MCP 客户端如何启动并连接到服务器。请注意该配置为 JSON 格式，包含服务器名称、启动命令与参数等。此处信息基于仓库实现细节给出，直接用于客户端配置注释，不是服务端代码。 { "server_name": "brain", "command": "brain-mcp", "args": ["serve"] } 说明：

    • server_name: MCP 服务器的对外标识名称，默认值为 brain。客户端在展示与日志中会看到该名称。
    • command: 启动服务器的命令，即在本项目中运行 Brain MCP 服务端的可执行入口。
    • args: 启动参数，此处使用 serve，表示以标准输入/输出传输（stdio）启动服务器。在实现中，服务器也可扩展支持其他传输（如 SSE、WebSocket），具体客户端连接方式请依据实际部署选择。

  • 基本使用方法

    • 配置阶段：使用 brain-mcp init --full 进行源发现、导入与嵌入，生成 brain.yaml 配置。
    • 运行阶段：使用 brain-mcp serve 启动 MCP 服务器（或 python -m brain_mcp.server 直接启动）。
    • 客户端交互：MCP 客户端通过 JSON-RPC 调用服务器提供的资源、工具和 Prompts，获取结构化响应与上下文信息。
    • 生产环境建议：在本地文件系统完整性、向量数据库与摘要管线就绪的前提下运行，确保在生产环境中对并发与并行请求有正确的限流策略。

  • 基本限制与注意事项

    • 该实现偏向本地化工作流，依赖 DuckDB、LanceDB、嵌入模型等本地组件，云端 API 仅在某些摘要/推理场景中可选使用。
    • MCP 客户端若需要可与不同传输协议协同工作，请参考服务器实现中的 transport 支持能力。

服务器信息

访问项目