开源MCP工具
AI Skill Hub 强烈推荐：开源MCP工具 是一款优质的MCP工具。AI 综合评分 8.0 分，在同类工具中表现稳健。如果你正在寻找可靠的MCP工具解决方案，这是一个值得深入了解的选择。
📚 深度解析
通过安装 开源MCP工具，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。
在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。开源MCP工具 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。
与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 开源MCP工具 评为 AI 评分 8.0 分，属于同类工具中的优质选择。
📋 工具概览
开源MCP工具 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
📖 中文文档
开源MCP工具 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/Yupcha/memxt
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"--mcp--": {
"command": "npx",
"args": ["-y", "memxt"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
- 确认已安装 Node.js（v18 或以上版本）
- 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
- 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
- 保存配置文件并重启 Claude 客户端
- 重启后，在对话中即可使用本工具
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 开源MCP工具 执行以下任务... Claude: [自动调用 开源MCP工具 MCP 工具处理请求] # 查看可用工具列表 # 在 Claude 中输入："列出所有可用的 MCP 工具"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"__mcp__": {
"command": "npx",
"args": ["-y", "memxt"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
简介
memxt
Local-first long-term memory for AI coding agents.
Your agent remembers your codebase and decisions across sessions — in a single static binary. No cloud, no Python, nothing leaves your machine.
---
Most AI coding sessions start amnesiac: you re-explain the architecture, re-state why you chose SQLite over Postgres, and the agent still contradicts last week's decision. memxt gives the agent a persistent, on-device memory it can search and write to — wired into Claude Code via MCP tools and session hooks.
- 🧠 Remembers across sessions — semantic recall over everything you've mined or saved.
- 🔒 Fully local & private — embeddings, storage, and search run on-device (
llama.cpp+sqlite-vec). No API keys, no network at query time. - 📦 One static binary — no Python, no Docker, no vector database to run. ~6 MB + a 45 MB embedding model.
- ⚡ Invisible in the loop — session wake-up in ~10 ms; vector search is sub-millisecond once the model is resident.
⚡ Install
curl -fsSL https://raw.githubusercontent.com/Yupcha/memxt/main/install.sh | bashDetects darwin|linux × x86_64|aarch64. Binary + embedding model land in ~/.memxt/.
🔧 Build from source
Needs zig 0.16.0 + cmake.
```bash git clone --recursive https://github.com/Yupcha/memxt cd memxt
1) Build the statically-linked llama.cpp backend (once)
cmake -S lib/llama.cpp -B lib/llama.cpp/build \ -DCMAKE_BUILD_TYPE=Release -DBUILD_SHARED_LIBS=OFF \ -DGGML_METAL=ON -DLLAMA_BUILD_TESTS=OFF -DLLAMA_BUILD_EXAMPLES=OFF \ -DLLAMA_BUILD_SERVER=OFF -DLLAMA_BUILD_TOOLS=OFF cmake --build lib/llama.cpp/build -j
3) Build
zig build --release=fast ./zig-out/bin/memxt stats ```
(On Linux, use -DGGML_METAL=OFF -DGGML_BLAS=OFF.)
⚙️ Configuration
Reads memxt.yaml (falls back to mempalace.yaml). Environment variables override everything — this is how the plugin pins one global palace regardless of the project directory:
MEMXT_DB=~/.memxt/palace.db # database path
MEMXT_MODEL=~/.memxt/lib/minilm.gguf # 384-dim GGUF embedder
MEMXT_WING=my-project # default wingdatabase_path: "memxt.db"
model_path: "lib/minilm.gguf"
default_wing: "production"The embedding model must be 384-dim (MiniLM-L6-v2); the vector table is declared float[384] and the binary validates the model on load.
高性能开源AI内存系统
⚡ 核心功能
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
👥 适合人群
🎯 使用场景
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
⚖️ 优点与不足
- +MIT 协议，可免费商用
- +标准化 MCP 协议，生态互联性强
- +与 Claude 官方生态无缝对接
- +即插即用，配置简单快捷
- −依赖 Claude 客户端，非 Claude 用户无法使用
- −MCP 协议仍在持续演进，接口可能变更
- −需要一定的配置步骤
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
❓ 常见问题 FAQ
总体来看，开源MCP工具 是一款质量优秀的MCP工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | memxt |
| Topics | aiai-memory-systemdatabasellmmcpzig |
| GitHub | https://github.com/Yupcha/memxt |
| License | MIT |
| 语言 | Zig |
收录时间：2026-06-25 · 更新时间：2026-06-25 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。