freya v2

MCPAI代理

提供方 MrPink1977

AI代理 stdio · 本地进程 Token 社区 / 第三方
查看接入方式

Freya是一款具有位置感知和持久记忆功能的多房间智能家居AI助手,支持本地化运行和扩展工具集成。

一句话选型结论

按资料字段整理

freya v2 属于AI代理类 MCP 服务器,stdio · 本地进程,Token,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式stdio · 本地进程 鉴权Token 部署方式本地部署
GitHub 星标 1 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

智能家居Python本地部署AI助手位置感知多房间音频本地处理

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
pip install -r requirements.txt

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
freya v2当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方MrPink1977上游标注的维护方 MrPink1977
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式Token远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

8.3 KB
来自项目仓库与上游目录的原文,未做删改

Freya v2.0

> 具有持久记忆和MCP集成的位置感知多房间个人AI助理


🎯 Freya是什么?

Freya是为现代家庭设计的下一代个人人工智能助理。她机智、聪明、真正乐于助人——能够在多个房间里进行自然对话,记住你的喜好,并代表你采取行动。

与危害您隐私的依赖云的助手不同,Freya主要在您自己的硬件上运行,让您完全控制数据,同时提供卓越的个性化体验。

✨ 主要特点

  • 🏠 多房间音响:卧室和前门端点,易于扩展
  • 📍 位置识别:知道你在哪里,并做出相应的回应
  • 🧠 智能存储器:持久记忆系统,随着时间的推移学习你的偏好
  • 🔧 400+工具:通过模型上下文协议(MCP)可扩展的工具生态系统
  • 👁️ 视觉能力:前门的运动和物体检测
  • 🎭 适应性人格:机智、讽刺、有语境意识
  • 🖥️ 实时仪表板:用于监视和控制WebSocket安全的全面web GUI
  • 🔒 隐私第一:核心处理在您的硬件上本地运行
  • 🎤 语音交互:具有语音转文本和文本转语音功能的完整音频管道
  • 🔊 音频管理器:基于PyAudio的麦克风和扬声器管理
  • ✅ 已测试:43个以上的单元和集成测试,代码覆盖率为70%
  • 🔐 安全:WebSocket连接的JWT身份验证、速率限制和会话管理

🏗️ 建筑

Freya建立在面向服务的架构之上,具有连接独立微服务的Redis消息总线:

核心组件

  • 音频管理器:具有位置感知的多端点音频路由
  • LLM发动机:RTX 5060 Ti上的局部模型推理(Llama 3.2)
  • 内存管理器:带ChromaDB矢量存储的自适应内存v3
  • MCP网关:通过MetaMCP/MCPX集成通用工具
  • 视觉服务:OpenCV+YOLO用于实时目标检测
  • Web仪表板:带有FastAPI后端的React/Svelte前端

📚 文档

此存储库包含Freya v2.0的完整设计规范:

  • 执行摘要 -高瞻远瞩和关键差异化因素
  • 需求 -详细的功能和技术要求
  • 建筑 -系统设计和组件分解
  • 路线图 -12周实施计划和技术栈

🚀 快速开始

先决条件

  • Python 3.11+
  • Docker&Docker编写
  • NVIDIA GPU(RTX 5060 Ti或类似型号)
  • CUDA 12.0+
  • 系统音频依赖关系(portaudio、ffmpeg)

安装```bash

Clone the repository

git clone https://github.com/MrPink1977/freya_v2.git
cd freya_v2

Install system dependencies (Ubuntu/Debian)

sudo apt-get update
sudo apt-get install -y portaudio19-dev ffmpeg libsndfile1

For macOS

brew install portaudio ffmpeg libsndfile

Install Python dependencies

pip install -r requirements.txt

Set up environment variables

cp .env.example .env

Edit .env with your configuration

Start backend services

docker-compose up -d redis ollama chromadb

Start Freya Core

python -m src.main


### ElevenLabs TTS设置(可选但推荐)

要获得高质量的文本到语音转换,请设置ElevenLabs:

1. 从获取API密钥 十一实验室
1. 添加到 `.env`:```bash
ELEVENLABS_API_KEY="your_api_key_here"
ELEVENLABS_VOICE_ID="21m00Tcm4TlvDq8ikWAM"  # Rachel (default)

看 docs/ELEVENLABS_SETUP.md 有关详细的设置说明。

⚙️ 配置

Freya使用环境变量进行配置。关键设置:

核心设置```bash

Redis (Message Bus)

REDIS_HOST=localhost
REDIS_PORT=6379

Ollama (Local LLM)

OLLAMA_HOST=http://localhost:11434
OLLAMA_MODEL=llama3.2:3b

ChromaDB (Vector Database)

CHROMADB_HOST=localhost
CHROMADB_PORT=8000


### 音频配置```bash
# Audio Manager
AUDIO_SAMPLE_RATE=16000
AUDIO_CHANNELS=1
AUDIO_CHUNK_SIZE=1024
AUDIO_INPUT_DEVICE_INDEX=-1  # -1 for default
AUDIO_OUTPUT_DEVICE_INDEX=-1  # -1 for default

# STT (Speech-to-Text)
STT_MODEL=base
STT_LANGUAGE=en
STT_DEVICE=cuda  # or cpu

# TTS (Text-to-Speech)
TTS_PROVIDER=elevenlabs  # elevenlabs or local
ELEVENLABS_API_KEY=your_key_here
ELEVENLABS_VOICE_ID=21m00Tcm4TlvDq8ikWAM
ELEVENLABS_MODEL=eleven_monolingual_v1
ELEVENLABS_STABILITY=0.5
ELEVENLABS_SIMILARITY_BOOST=0.75

GUI安全配置```bash

JWT Authentication

GUI_JWT_SECRET=change-this-secret-in-production
GUI_TOKEN_EXPIRY=3600 # 1 hour in seconds
GUI_SESSION_TIMEOUT=3600 # 1 hour in seconds
GUI_MAX_SESSIONS=100 # Maximum concurrent WebSocket sessions

Rate Limiting

GUI_RATE_LIMIT_RATE=10.0 # Requests per second per session
GUI_RATE_LIMIT_BURST=20 # Burst size


看 src/core/config.py 对于所有可用的配置选项。

## 🧪 测试

Freya具有全面的测试覆盖范围,包括单元和集成测试。

### 运行测试```bash
# Run all tests with coverage
pytest tests/ -v --cov=src --cov-report=term-missing --cov-report=html

# Run only unit tests
pytest tests/unit/ -v

# Run only integration tests
pytest tests/integration/ -v

# Run specific test file
pytest tests/unit/test_tts_service.py -v

# Run tests with specific markers
pytest -m unit -v
pytest -m integration -v
pytest -m slow -v

测试覆盖率

  • 总体:新代码覆盖率约为70%
  • 核心模块:85%以上的覆盖率(message_bus、config、base_service)
  • 服务模块:70%以上的覆盖率(tts、audio_manager、gui)
  • 43+次测试 跨单元和集成套件
  • CI/CD:通过GitHub Actions对每个提交进行自动测试

看 测试.md 获取全面的测试文档。

🔒 安全

WebSocket身份验证

GUI仪表板使用基于JWT的身份验证:

  1. 获取令牌: POST /api/auth/token 包含客户信息
  2. 连接WebSocket: ws://localhost:8000/ws?token={jwt_token}
  3. 刷新令牌: POST /api/auth/refresh 使用当前令牌

速率限制

  • 每IP限制:防止连接滥用
  • 每次会话限制:控制每个WebSocket连接的消息速率
  • 滑动窗口算法:公平准确的利率限制

会话管理

  • 过期会话的自动会话清理
  • 最大并发会话限制
  • 活动跟踪和超时执行

📖 用法

开始Freya```bash

Start backend services

docker-compose up -d

Start Freya Core (includes all services)

python -m src.main

Access GUI Dashboard

Open http://localhost:8000 in browser


### 使用音频管道```python
# Publish text for TTS
await message_bus.publish("tts.generate", {
"text": "Hello, how can I help you?",
"timestamp": datetime.now().isoformat()
})

# Subscribe to audio output
async def handle_audio(data):
audio_bytes = data.get("audio")
# Play audio or save to file

await message_bus.subscribe("audio.output.stream", handle_audio)

正在运行MCP服务器```bash

Install MCP servers

bash scripts/install_mcp_servers.sh

MCP servers are automatically started by Freya

Check logs for: "✓ Connected to MCP server: "

```

🗓️ 发展路线图

阶段 时间表 可交付成果
第一阶段 第1-2周 基础-单人房对话循环
第2阶段 第3-4周 具有位置感知的多房间
第三期 第5-6周 工具生态系统集成
阶段4 第7-8周 智能持久记忆
阶段5 第9-10周 视觉能力
第6阶段 第11-12周 波兰语、个性和完整仪表板

请参阅 完整路线图 查看详细的任务分解。

🛠️ 技术栈

组件 技术
语言 Python 3.11+
LLM Ollama(火焰3.2)
语音转文字 更快的耳语
语音合成 ElevenLabs
唤醒词 豪猪
记忆 自适应内存v3+ChromaDB
工具 MCP Python SDK+MetaMCP
视觉 OpenCV+YOLO
消息总线 Redis发布/订阅
Web框架 FastAPI+React/Svelte
容器化 Docker编写

🤝 贡献

这是一个个人项目,但欢迎提供意见、建议和反馈!请打开一个问题来讨论重大更改。

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

  • 自适应内存v3 -OpenWebUI社区的内存系统
  • 模型上下文协议 -Anthropic工具集成标准
  • 很棒的mcp服务器 -400+预构建MCP服务器

📞 联系

  • github: @平克先生1977
  • 项目: 弗雷亚v2

状态: ✅ 第2阶段后端完成(v0.4.0)-音频管道完全实现!\
下一步:阶段2D-前端GUI增强(调试面板、音频测试仪)

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
freya v2 怎么安装?

在客户端按下面的安装命令接入:pip install -r requirements.txt。装完在客户端配置里引用同一个包或端点。

freya v2 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

freya v2 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

freya v2 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

freya v2 能提供哪些能力?

资料显示能力标签包括 智能家居、本地处理、Python。具体工具清单以官方文档为准。

freya v2 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

freya v2 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。