Longterm Memory Macos

MCP浏览器工具

提供方 MyronKoch

浏览器工具 stdio · 本地进程 无需鉴权 社区 / 第三方 Claude DesktopClaudeCursorWindsurf
查看接入方式

一个专为macOS设计的本地化语义记忆系统,支持LLM应用,提供语义搜索、知识图谱可视化、浏览器扩展等功能。

一句话选型结论

按资料字段整理

Longterm Memory Macos 属于浏览器工具类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 Claude Desktop、Claude、Cursor 等,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。

分类浏览器工具 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 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

浏览器工具
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

支持客户端

适用场景

HTML本地部署语义记忆知识图谱本地AImacOS应用隐私保护

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
python3 app.py

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 Python,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
自动操作网页

打开页面、点击、填表,把浏览器动作交给模型执行。

抓取结构化数据

把页面内容整理成表格或 JSON,省掉手工复制粘贴。

关键流程回归

按步骤检查页面是否正常,回归时少漏环节。

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。
  • 已适配 Claude Desktop、Claude、Cursor,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

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。
  • 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

  • 需要在浏览器工具场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 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。
  • 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
Longterm Memory Macos当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Playwright MCP Server 21 stdio · 本地进程 本地部署 有 2026-05-18
Fetch 9a2682de 1 SSE · 服务端推送 支持远程部署 有 2026-05-18
Browser 738d52bc 未标注 stdio · 本地进程 本地部署 有 2026-05-17
MCP 40600ece 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Skyvern MCP 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

浏览器工具
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MyronKoch上游标注的维护方 MyronKoch
分类浏览器工具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
鉴权方式无需鉴权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 · Python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

11.8 KB
来自项目仓库与上游目录的原文,未做删改

🧠 长期记忆系统

macOS上LLM应用程序的企业级语义存储系统

🍎 仅限macOS🤖 MCP驱动 · 🔒 100%本地和私人 · ☁️ Mac之间的iCloud同步

🌟 特性

  • 🌐 网络仪表盘:苹果启发的Liquid Glass UI localhost:5555
  • 🕸️ 知识图谱:使用D3.js和Three.js进行交互式2D/3D可视化
  • 🧠 语义搜索:使用Ollama+nomic嵌入文本的本地AI驱动嵌入(LM Studio回退)
  • 🔌 浏览器扩展:使用上下文菜单和记忆徽章捕获网络内容
  • 📦 归档系统:通过完整搜索浏览和管理存档的记忆
  • 🔄 跨Mac同步:通过iCloud在多个macOS系统之间进行双向同步
  • ⚡ 实时更新:PostgreSQL WAL监控用于即时同步触发
  • 🤖 MCP集成:用于Claude Desktop和其他兼容框架的本地模型上下文协议服务器。
  • 🔐 隐私第一:本地生成的所有嵌入,没有外部API调用

📸 截图

仪表板-浏览视图

带有自动系统检测的明暗主题

时间线和见解

可视化内存模式并发现连接

语义搜索

通过意义而不仅仅是关键字来寻找记忆

知识图谱-三维视图

使用Three.js进行交互式可视化

知识图谱-二维视图

使用D3.js和焦点突出显示进行强制布局

Chrome 扩展

使用Liquid Glass弹出窗口捕获网络内容

🖥️ 仪表盘

苹果液态玻璃设计

仪表板采用了受苹果设计语言启发的现代用户界面:

  • 实心深色卡片 带有微妙的边框和苹果系统颜色
  • 统一导航 跨所有视图(浏览、时间线、见解、存档、图表)
  • Bento网格布局 3柱响应式设计
  • 苹果蓝口音 (#0A84FF)贯穿整个界面
  • 命令选项板 (⌘K)用于键盘优先导航

视图

查看 描述
浏览 基于卡片的内存网格,带有过滤器、搜索和重要性指标
时间线 具有日/周/月粒度的可视化活动图
洞察 自动模式发现、焦点区域和标签相关性
档案 通过搜索和分页浏览存档的记忆
图 具有2D/3D模式的交互式知识图

知识图谱

  • 3D模式:Three.js具有斐波那契球面布局、自动旋转、轨道控制
  • 2D模式:D3.js具有可拖动节点的力定向模拟
  • 特性:局部视图(跳距)、路径查找、时间动画、节点搜索
  • 右键单击菜单:在仪表板中查看实体内存,开始路径查找
  • 平稳导航:聚焦节点时的动画摄影机过渡
  • 颜色编码:紫色(人物)、蓝色(项目)、绿色(科技)、橙色(网站)

启动仪表板```bash

cd dashboard
python3 app.py

Opens at http://localhost:5555


## 🚀 快速开始

### 一个命令安装```bash
curl -fsSL https://raw.githubusercontent.com/MyronKoch/longterm-memory-macos/main/install.sh | bash

安装什么

  1. PostgreSQL 17 带有pgvector 0.8.0扩展名
  2. 奥拉玛 使用nomic嵌入文本模型(768维嵌入)
  3. 数据库模型 使用实体、观察和归档表
  4. 后台服务 通过macOS启动代理
  5. 浏览器扩展 文件(需要手动Chrome设置)

总安装时间:~5分钟

手动安装```bash

git clone https://github.com/MyronKoch/longterm-memory-macos.git
cd longterm-memory-macos
chmod +x install.sh
./install.sh


### 🤖 AI代理安装

使用Cursor、Windsurf、Claude Code或其他AI编码代理?只需粘贴此提示:```
Clone https://github.com/MyronKoch/longterm-memory-macos and follow the
AGENT.md file to install the complete system. Execute each step, verify
it succeeds, then proceed to the next. Run the health check at the end.

这 AGENT.md 该文件包含针对AI代理优化的分步说明,每个步骤后都有验证检查。

🏗️ 建筑```mermaid

flowchart TB
subgraph Inputs[Data Sources]
Claude[Claude Desktop]
Browser[Chrome Extension]
end

subgraph Core[Core System]
MCP[MCP Server
postgres-mcp]
NH[Native Host
Python]
DB[(PostgreSQL 17
+ pgvector)]
Dash[Dashboard
:5555]
end

subgraph Services[Background Services]
Ollama[Ollama
nomic-embed]
BG[LaunchAgents]
end

Claude <--> MCP
MCP <--> DB

Browser <--> NH
NH <--> DB

Dash <--> DB
Browser -.->|badge queries| Dash

BG --> DB
Ollama <--> BG


### 多Mac同步```mermaid
flowchart LR
subgraph Mac1[Mac #1]
DB1[(PostgreSQL)]
D1[Dashboard]
DB1 --- D1
end

subgraph Mac2[Mac #2]
DB2[(PostgreSQL)]
D2[Dashboard]
DB2 --- D2
end

subgraph Sync[iCloud Drive]
T[Transport]
end

DB1 &lt;--&gt; T
T &lt;--&gt; DB2

核心组件

组件 技术 描述
网络仪表盘 Flask+Vue 3 带有反应性组件的液态玻璃UI
知识图谱 Three.js+D3.js 双模式2D/3D可视化
设计系统 自定义CSS 苹果启发的Liquid Glass组件
浏览器扩展 Chrome API 通过原生消息进行内容捕获
MCP服务器 postgres-mcp 克劳德桌面集成
同步引擎 PostgreSQL 双向跨Mac同步
预埋管道 Ollama+LM Studio 本地矢量生成(768 dim),带回退功能

🔌 浏览器扩展

直接从任何Chromium浏览器捕获web内容:

特性

  • 🧠 上下文菜单:右键单击→ “长期记忆数据库”子菜单
  • 存储选区
  • 保存选择+上下文
  • 保存整个页面
  • 打开仪表板
  • 🔔 记忆徽章:显示当前站点的内存计数
  • 💡 自动建议:提示保存频繁访问的页面
  • ⚙️ 设置:打开/关闭徽章和建议

安装

  1. 打开 chrome://extensions/ 并启用开发人员模式
  2. 点击“加载解包”并选择 browser-extension/chrome-extension/
  3. 跑 ./browser-extension/install_extension.sh 用于本机主机设置
  4. 复制您的扩展ID并更新本机消息清单

📚 看 浏览器扩展名/README.md 详细设置。

🤖 MCP配置

连接到任何兼容MCP的AI助手:

配置位置: `~/Library/Application Support/Claude/claude_desktop_config.json````json
{
"mcpServers": {
"longterm-memory": {
"command": "uvx",
"args": ["postgres-mcp"],
"env": {
"POSTGRES_CONNECTION_STRING": "postgresql://YOUR_USERNAME@localhost:5432/longterm_memory",
"SYSTEM_CONTEXT": "PostgreSQL memory for user-specific data. Query at conversation start for context."
}
}
}
}


**支持的客户**:克劳德桌面、克劳德代码、光标、Continue.dev、Windsurf、Cline、Roo Cline、谷歌Gemini CLI

📚 **看 docs/MULTI_APP_SETUP.md 用于Claude代码和游标配置。**

## 📖 用法

### 仪表板命令```bash
# Start dashboard
cd dashboard &amp;&amp; python3 app.py

# Access views
open http://localhost:5555              # Browse (default)
open http://localhost:5555/?view=timeline   # Timeline
open http://localhost:5555/?view=insights   # Insights
open http://localhost:5555/?view=archive    # Archive
open http://localhost:5555/graph            # Knowledge Graph

维护```bash

Health check

./scripts/health_check.sh

Manual sync between Macs

./scripts/sync_databases.sh

Generate embeddings for new observations

python3 scripts/ollama_embeddings.py

View logs

tail -f ~/Documents/GitHub/longterm-memory-macos/logs/*.log


## ⏰ 后台服务

系统使用macOS LaunchAgent执行计划任务和 `sleepwatcher` 用于唤醒触发同步。

### 计划的作业

|工作|时间表|目的|
|-----|----------|---------|
| **嵌入** |4:00 AM,4:00 PM |生成新观测的矢量|
| **备份** |4:20 AM,4:20 PM |本地数据库备份,保留7天|
| **数据库同步** |上午8点、下午12点、下午6点、晚上11点|双向M1↔M3通过iCloud同步|
| **唤醒同步** |从睡眠中唤醒| Mac唤醒时同步数据库|

### LaunchAgent文件

位于 `~/Library/LaunchAgents/`:

|文件|描述|
|------|-------------|
| `com.longtermmemory.embeddings.plist` |Ollama嵌入式代|
| `com.longtermmemory.backup.plist` |数据库备份|
| `com.longtermmemory.dbsync.plist` |跨设备数据库同步|
| `homebrew.mxcl.sleepwatcher` |唤醒/睡眠事件处理程序|

### 同步唤醒设置

用途 睡眠观察者 在Mac唤醒时触发数据库同步:```bash
# Install sleepwatcher (one-time)
brew install sleepwatcher
brew services start sleepwatcher

# Wake/sleep scripts (created automatically by installer)
~/.wakeup    # Runs sync_databases.sh on wake
~/.sleep     # Logs sleep events

管理服务```bash

View all longterm-memory services

launchctl list | grep longterm

Reload a service after editing its plist

launchctl unload ~/Library/LaunchAgents/com.longtermmemory.dbsync.plist
launchctl load ~/Library/LaunchAgents/com.longtermmemory.dbsync.plist

Check sleepwatcher status

brew services info sleepwatcher

View sync logs

tail -f ~/Documents/GitHub/longterm-memory-macos/logs/db_sync.log
tail -f ~/Documents/GitHub/longterm-memory-macos/logs/wake_sync.log


### macOS Tahoe兼容性

在macOS Tahoe(15.x)上,同步脚本通过osascript使用Finder写入iCloud Drive,绕过TCC(透明度、同意和控制)限制。

**首次运行**:macOS将提示您输入Finder自动化权限。点击 **允许** 以启用自动同步。

**为什么选择osascript/Finder?** 直接 `cp` 从launchd运行时,在TCC下对iCloud的命令失败。Finder具有本机iCloud访问权限,并绕过了这些限制。

**故障排除**:如果您仍然看到“不允许操作”错误:

1. 检查系统设置→ 隐私和安全→ 自动化→ 确保您的终端具有Finder访问权限
1. 可选择将脚本移动到 `~/.local/bin/` (文档文件夹外)

### sql查询```sql
-- Recent observations
SELECT * FROM observations ORDER BY created_at DESC LIMIT 10;

-- Semantic search (requires embedding)
SELECT *, embedding &lt;=&gt; &#x27;[query_vector]&#x27; as distance
FROM observations
WHERE embedding IS NOT NULL
ORDER BY distance LIMIT 10;

-- Query both active and archived
SELECT * FROM all_observations;

-- Entity relationship counts
SELECT e.name, COUNT(o.id) as obs_count
FROM entities e
LEFT JOIN observations o ON e.id = o.entity_id
GROUP BY e.id ORDER BY obs_count DESC;

🎨 设计系统

Liquid Glass设计系统在整个应用中提供一致的造型:

CSS文件

文件 目的
liquid-glass.css 核心变量、颜色、排版
liquid-glass-components.css 按钮、卡片、标签、模型

关键变量```css

--brand-primary: #0A84FF; / Apple Blue /
--bg-base: #000000; / True black background /
--glass-bg: rgba(28, 28, 30, 0.8); / Card backgrounds /
--text-primary: rgba(255, 255, 255, 0.95);


## 🔍 故障排除

### 仪表板无法启动```bash
# Check Python dependencies
pip3 install flask psycopg2-binary --break-system-packages

# Check PostgreSQL is running
brew services restart postgresql@17

扩展显示连接错误```bash

Verify native host

python3 browser-extension/native-host/longterm_memory_host.py

Check extension ID in manifest matches loaded extension


### 嵌入未生成```bash
# Verify Ollama is running
ollama list

# Pull the embedding model
ollama pull nomic-embed-text

# If Ollama unavailable, LM Studio fallback is automatic
# Just ensure LM Studio is running with nomic-embed-text-v1.5 loaded

# Manual embedding generation
python3 scripts/ollama_embeddings.py

📊 演出

度量 值
语义搜索 每个查询约50ms
仪表板负载 \<500ms
图形渲染(3D) 500个节点约2秒
图形渲染(2D) 500个节点约1秒
跨Mac同步 ~10s端到端
内存使用量 ~200MB

🗺️ 路线图

  • []浏览器扩展Liquid Glass重新设计
  • []移动响应式仪表板
  • []导出/导入功能
  • []批量操作界面
  • []内存聚类可视化
  • []自然语言查询界面

📄 许可证

MIT许可证-请参阅 许可证 了解详情。


肯塔基州路易斯维尔制造❤️ 用于AI原生工作流

堆栈:PostgreSQL 17•pgvector•Ollama•Flask•Vue 3•Three.js•D3.js

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Longterm Memory Macos 怎么安装?

在客户端按下面的安装命令接入:python3 app.py。装完在客户端配置里引用同一个包或端点。

Longterm Memory Macos 怎么在 Claude Desktop、Claude、Cursor 里配置?

它的传输方式是stdio · 本地进程,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,配置才会生效。

Longterm Memory Macos 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。

Longterm Memory Macos 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Longterm Memory Macos 支持哪些客户端?

资料标注支持 Claude Desktop、Claude、Cursor、Windsurf、Cline;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Longterm Memory Macos 能提供哪些能力?

资料显示能力标签包括 本地AI、隐私保护、HTML、Claude。具体工具清单以官方文档为准。

Longterm Memory Macos 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Longterm Memory Macos 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。