Memex Twos MCP

MCP文档知识

提供方 Zarathustrum

文档知识 stdio · 本地进程 Token 社区 / 第三方 Claude DesktopClaude
查看接入方式

Memex Twos MCP是一个将Twos应用导出的数据转换为可查询知识库的服务,支持通过自然语言查询个人任务历史,适用于个人知识管理和任务回顾。

一句话选型结论

按资料字段整理

Memex Twos MCP 属于文档知识类 MCP 服务器,stdio · 本地进程,Token,可直接接入 Claude Desktop、Claude,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。

分类文档知识 传输方式stdio · 本地进程 鉴权Token 部署方式本地部署
GitHub 星标 3 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

文档知识
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

知识管理Python本地部署自然语言查询数据转换本地处理任务分析

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
python scripts/setup_wizard.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
文档检索问答

在你的文档库里按问题找答案。

知识库读写

把新资料写进知识库,随用随取。

内容整理

把零散资料归纳成结构化笔记。

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,换客户端不用重新研究配置。

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

  • 需要在文档知识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。
  • 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
Memex Twos MCP当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
dify 未标注 stdio · 本地进程 本地部署 有 2026-04-11
open-webui 未标注 stdio · 本地进程 本地部署 有 2026-04-11
JeecgBoot 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Cherry Studio 未标注 未标注 未标注 无 2026-05-17
mempalace 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

文档知识
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Zarathustrum上游标注的维护方 Zarathustrum
分类文档知识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 · 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

17.1 KB
来自项目仓库与上游目录的原文,未做删改

Memex Twos MCP

转变你的 二 应用程序导出到Claude的可查询知识库中。

这是什么?

Memex Twos MCP是一款 模型上下文协议 该服务器允许您通过Claude使用自然语言从Twos生产力应用程序查询您的个人“事物”历史。

不要手动搜索成千上万的东西,问问克劳德:

  • “去年夏天,我对家居装修有什么看法?”
  • “给我看看我和爱丽丝计划的一切”
  • “查找标记为#work from January的内容”

特性

  • 所有内容的全文搜索(FTS5)
  • 用于时间分析的日期范围查询
  • 人员和标签过滤
  • 模式分析构建块
  • 自动数据整理(删除重复项,修复质量问题)
  • 通过Claude Code进行可选的人工智能语义分析
  • 本地优先隐私:您的数据保留在您的计算机上
  • 面向初学者的交互式设置向导

快速开始

1.导出您的Twos数据

在Twos应用程序中:设置->导出-> 带时间戳的Markdown

> 重要提示: 您必须选择“带时间戳的Markdown”(不是纯Markdown)。解析器需要时间戳来提取日期和组织数据。

2.运行安装向导```bash

git clone https://github.com/yourusername/memex-twos-mcp.git
cd memex-twos-mcp
./setup_wizard.sh /path/to/Twos-Export.md


**就是这样!** 向导将:

- 创建虚拟环境(如果需要)
- 安装依赖项
- 将导出转换为JSON
- 清理和整理您的数据(删除重复项,修复质量问题)
- 将清理后的数据加载到SQLite
- 生成Claude桌面配置

**可选:** 指定自定义Claude配置位置:```bash
./setup_wizard.sh /path/to/Twos-Export.md /path/to/claude_desktop_config.json

备选方案: 直接运行Python向导以进入交互模式:```bash
python scripts/setup_wizard.py

Or with explicit paths:

python scripts/setup_wizard.py --export-file /path/to/Twos-Export.md --claude-config /path/to/claude_desktop_config.json


要全局覆盖Claude配置自动检测,请设置 `MEMEX_CLAUDE_CONFIG`.

### 3.配置Claude

重新启动Claude Desktop并尝试:
“我的任务数据库中有什么?”

> **Windows用户:** 关闭Claude Desktop窗口有时不会退出该过程。如果“重新启动”后MCP配置未加载,请通过任务管理器(Ctrl+Shift+Esc)完全终止Claude→ 找到“克劳德”→ 结束任务),然后重新启动应用程序。

## 需求

### 必要的

- Python 3.10或更高版本
- Twos应用程序,可导出数据
- Claude Desktop(用于使用MCP服务器)

### 可选(用于AI功能)

从三家LLM提供商中选择一家进行人工智能数据整理和实体分类:

1. **LM工作室** (本地/免费)-推荐给注重隐私的用户
1. **克劳德代码CLI** (订阅)-使用您的Claude订阅配额
1. **无烟煤API** (每个代币付费)-直接API访问

**注:** AI功能是可选的。MCP服务器仅适用于基本梳理。

### LLM配置

使用YAML配置文件配置首选提供程序(推荐):

1. **复制示例配置:**```bash
cp .llm_config.yaml.example .llm_config.yaml
  1. 编辑 .llm_config.yaml 使用您的提供商设置:```yaml

For LM Studio (local, free, private)

default_provider: lmstudio
providers:
lmstudio:
endpoint: http://localhost:1234

For Claude CLI (uses subscription)

default_provider: claude-cli

For Anthropic API (pay-per-token)

default_provider: anthropic-api

providers:

anthropic-api:

api_key: sk-ant-api03-...


1. **你准备好了!** 脚本将使用您配置的提供程序 `--ai-analysis` 或 `--ai-classify` 旗帜。

**重要提示:** 配置文件被gitignored,因此您的API密钥保持私有。

### 安装LM Studio(推荐)

对于本地免费AI处理:

1. **下载LM工作室:** https://lmstudio.ai/
1. **加载模型** (例如,拉玛、米斯特拉尔)
1. **启动本地服务器** (默认端口1234)
1. **配置:** 集 `endpoint: http://localhost:1234` 在 `.llm_config.yaml`

**优点:**

- 100%本地,无数据发送到外部服务器
- 免费使用
- 无需订阅或API费用
- 离线工作

### 安装Claude Code CLI(替代方案)

如果您更喜欢使用Claude订阅:

1. **安装Claude Code命令行界面:**```bash
npm install -g @anthropic/claude-code
# or follow: https://code.claude.com/docs/quickstart
  1. 验证安装:```bash
    claude --version

1. **配置:** 集 `default_provider: claude-cli` 在 `.llm_config.yaml`

**使用Claude CLI时:**

- 使用您的Claude订阅配额(与Claude Desktop相同)
- 处理时间:典型数据集2-5分钟
- 需要互联网连接
- 所有数据都保持在本地(Claude Code在您的计算机上运行)

### 无烟煤API(备选方案)

对于API的直接访问:

1. **获取API密钥:** https://console.anthropic.com/
1. **配置:** 添加 `api_key` 到 `.llm_config.yaml`

**注:** 按代币付费定价适用。

### 安装spaCy NER(可选,推荐)

为了准确提取人员,减少80%的误报:```bash
pip install -e ".[ner]"
python -m spacy download en_core_web_sm

为什么使用NER?

  • 使用NER: 准确识别真实姓名(约90%的精度)
  • 没有NER: 使用正则表达式回退,容易出现误报(动词如“Set”、“Plan”,月份如“March”、“May”)

用途:```bash

With NER (recommended, default)

python3 src/convert_to_json.py data/raw/twos_export.md -o data/processed/twos_data.json

Without NER (faster but less accurate)

python3 src/convert_to_json.py data/raw/twos_export.md -o data/processed/twos_data.json --no-ner


**示例:**

- 《遇见爱丽丝》→ NER提取“爱丽丝”✅ | 正则表达式提取“Alice”✅
- “设置提醒”→ NER未提取任何内容✅ | 正则表达式提取“Set”❌
- “三月会议”→ NER未提取任何内容✅ | 正则表达式提取“March”❌

### 安装语义搜索(可选)

对于结合词汇(BM25)和语义(向量)搜索的混合搜索:```bash
pip install sentence-transformers sqlite-vec

# Download embedding model (~90MB)
python -c "from sentence_transformers import SentenceTransformer; SentenceTransformer('all-MiniLM-L6-v2')"

为什么要使用语义搜索?

  • 仅限词汇: 匹配精确的关键字-“医生预约”找到“医生”和“预约”
  • 语义: 了解概念-“体检”还包括“医生预约”、“牙医就诊”
  • 更适合“搬家”、“健康问题”、“工作项目”等概念性查询

用途:```bash

Load data with embeddings (default)

python3 scripts/load_to_sqlite.py data/processed/twos_data_cleaned.json

Disable embeddings (faster loading)

MEMEX_DISABLE_EMBEDDINGS=1 python3 scripts/load_to_sqlite.py data/processed/twos_data_cleaned.json

Migrate existing database to add embeddings

python3 scripts/migrate_add_embeddings.py data/processed/twos.db


**在克劳德桌面中:**```
# Keyword search (exact matches)
"Search for the exact word 'doctor'"

# Semantic search (understands meaning) - automatically selected for conceptual queries
"Find health-related things from last year"  # Finds "doctor", "dentist", "checkup", etc.

演出

  • 嵌入生成:在\<30秒内生成约10K个东西(CPU)
  • 混合搜索:中位数\<200ms(10K个东西)
  • 存储空间:每件约1.5KB(10K件约15MB)

增量摄入

为了在添加新数据或进行更改时更快地更新:```bash

First load (full rebuild)

python3 scripts/load_to_sqlite.py data/processed/twos_data_cleaned.json

Subsequent updates (incremental - only new/changed things)

python3 scripts/load_to_sqlite.py data/processed/twos_data_cleaned.json --mode=append

Or use shorthand

python3 scripts/load_to_sqlite.py data/processed/twos_data_cleaned.json --incremental

Sync mode (insert new, update changed, delete removed)

python3 scripts/load_to_sqlite.py data/processed/twos_data_cleaned.json --mode=sync


**为什么要使用增量模式?**

- **完全重建:** 3秒内完成10K,30秒内完成100K
- **增量:** 在约0.3秒内完成100件新事物(速度提高10倍)
- 只有处理改变的事物,保留不变事物的嵌入
- 三种模式:
- `append` (默认增量):仅插入新内容,最安全的添加方式
- `sync`:插入新内容、更新已更改、删除已删除(完全同步)
- `rebuild`:全部删除并重新生成(默认行为)

**迁移现有数据库:**```bash
python3 scripts/migrate_add_incremental.py data/processed/twos.db

它是如何工作的:

  • 内容哈希检测更改(时间戳+内容+section_header)
  • 仅更新已更改的内容,保留现有嵌入
  • 导入审核跟踪跟踪中的所有更改 imports 桌子
  • FTS索引保持自动同步

演出

  • 添加100个新事物(总共10K):~0.3秒(比重建快10倍)
  • 更新100件事(总共10K):~0.5秒(比重建快6倍)
  • 非常适合日常更新或小型数据刷新

查询示例

  • “给我看看去年12月的所有事情”
  • “今年我和鲍勃有什么计划?”
  • “查找有关医生预约的信息”
  • “显示所有标记为#emergency的内容”
  • “我最常见的任务主题是什么?”
  • “给我一个数据库健康检查”

快速健康检查

要验证您的配置是否指向正确的数据库:```bash
python3 scripts/db_count.py


这将打印数据库路径、总事务计数和任何可用的负载元数据。

## 手动工作流程

如果您更喜欢分步控制而不是安装向导:

### 基本工作流程(无人工智能)```bash
# 1. Install dependencies
pip install -r requirements.txt

# 2. Convert Twos export to JSON
python3 src/convert_to_json.py data/raw/twos_export.md -o data/processed/twos_data.json

# 3. Groom data (remove duplicates, fix issues)
python3 scripts/groom_data.py

# 4. Load to SQLite
python3 scripts/load_to_sqlite.py data/processed/twos_data_cleaned.json

# 5. Configure Claude Desktop (add MCP server config)
# See MCP_SETUP.md for configuration details

高级工作流(带AI)```bash

1-2. Same as basic (install deps, convert to JSON)

3. Groom data WITH AI semantic analysis

python3 scripts/groom_data.py --ai-analysis

4. Classify and normalize entities

python3 scripts/classify_entities.py --ai-classify --apply-mappings

5. Load normalized data to SQLite

python3 scripts/load_to_sqlite.py data/processed/twos_data_cleaned_normalized.json

6. Configure Claude Desktop


### 工作流比较

|功能|基本|高级(AI)|
|---------|-------|---------------|
|重复删除|✅ 完全重复|✅ 精确+语义|
|损坏的引用修复|✅ | ✅ |
|实体分类|❌ | ✅ 人/地点/动词|
|案例规范化|❌ | ✅ |
|模式检测|❌ | ✅ |
|查询准确性|良好|优秀|
|设置时间|2分钟|5-10分钟|
|需要克劳德代码|否|是|

**建议:** 从基本工作流程开始,如果你想要更好的实体过滤,升级到人工智能。

## 文档

- 安装指南
- 数据整理
- 数据库模式

## 运作原理```
Twos Export (MD)
↓
Parser (convert_to_json.py)
↓
JSON (twos_data.json)
↓
Data Grooming (groom_data.py)
↓
Cleaned JSON (twos_data_cleaned.json)
↓
Entity Classification (classify_entities.py) [optional]
↓
Normalized JSON (twos_data_cleaned_normalized.json)
↓
SQLite Database (load_to_sqlite.py)
↓
MCP Server (server.py)
↓
Claude Desktop

步骤说明:

  1. 解析器 -从Markdown中提取事物、人物、标签、时间戳
  2. 梳理 -删除重复项、修复损坏的引用、检测问题
  3. 实体分类 (可选)-对人、地点和动词进行分类,对名字进行规范化
  4. SQLite -使用全文搜索(FTS5)和索引查询存储数据
  5. MCP服务器 -公开Claude的查询工具(搜索、日期范围、过滤器)
  6. 克劳德桌面版 -任务历史记录的自然语言界面

数据整理

安装向导包括默认运行的自动数据清理:

Python自动修复(快速,免费):

  • 删除完全重复的内容(1分钟内相同的内容)
  • 修复了损坏的父任务引用
  • 检测正常化机会
  • 生成详细的变更报告

可选AI分析:

  • 语义模式检测和主题分类
  • 增强的重复识别
  • 模式改进建议
  • 使用Claude Code订阅配额(选择加入 --ai-analysis)

所有更改都记录到 docs/grooming-reports/ 并且原始数据永远不会被修改。对于手动梳理或调音:```bash

Basic grooming (always recommended)

python scripts/groom_data.py data/processed/twos_data.json

With AI semantic analysis

python scripts/groom_data.py data/processed/twos_data.json --ai-analysis

Tuning options

python scripts/groom_data.py --duplicate-window 14 # More aggressive duplicate detection


看 DATA_GROOMING_PROMPT.md 了解详情。

## 实体分类

解析器从任务中提取“people”,但经常将动词、地点和常用词误分类为people(例如,“New”、“Put”、“Seattle”)。实体分类解决了这个问题:

### 快速工作流```bash
# 1. Extract entities and review summary
python scripts/classify_entities.py

# 2. AI classification (requires Claude Code)
python scripts/classify_entities.py --ai-classify

# 3. Apply classifications to create normalized data
python scripts/classify_entities.py --apply-mappings

# 4. Load normalized data
python scripts/load_to_sqlite.py data/processed/twos_data_cleaned_normalized.json

它的作用

  • 提取物 所有具有频率计数的唯一人员/标签
  • 分类 实体分为:人、地点、项目、动词、其他(人工智能或手动)
  • 正常化 案例变体(例如,“Alice”和“Alice”→ “爱丽丝”)
  • 过滤器 来自people领域的非人实体
  • 蜜饯 原始数据(创建新的规范化文件)

无AI(跳过实体分类)

如果你没有克劳德代码,你可以跳过实体分类:```bash

Just load the cleaned data directly

python scripts/load_to_sqlite.py data/processed/twos_data_cleaned.json
```

MCP服务器可以工作,但像“与爱丽丝的事情”这样的查询可能包含错误匹配(例如,句子开头的动词被误分类为人)。

注: 实体分类是可选的,但建议用于提高查询准确性。计划在未来的版本中手动导入/导出CSV。

隐私和安全

  • 所有数据处理都在本地进行
  • 没有任何内容上传到外部服务器
  • MCP连接是本地的(stdin/stdout)

贡献

欢迎捐款。看 贡献.md.

许可证

MIT许可证。看 许可证.

支持

  • 报告bug:使用GitHub问题模板
  • 请求功能:使用GitHub问题模板
  • 阅读文档: MCP_SETUP.md

Memex Twos MCP-常见问题

我需要知道如何编码吗?

不!有一个安装向导可以引导您完成所有操作。你需要熟练地运行一些终端命令,但这很简单。如果你能从Twos导出并复制粘贴命令,那就很好了。

要求是什么?

  • Python 3.10+(大多数系统已经有了这个)
  • Claude Desktop(用于使用MCP服务器)
  • Twos导出文件
  • 可选: Claude Code CLI,如果你想要AI驱动的数据整理和实体分类(提高准确性)

我的数据是私有的吗?

100%.所有东西都留在你的机器上-除了Claude Desktop查询其API时(与任何Claude对话相同),没有任何东西被上传到外部服务器。MCP服务器通过stdin/stdout在本地运行。

什么是“实体分类”?

Twos解析器有时会将句首动词和地名误分类为人(例如,“New York”→ 名为“新”或“把钥匙收起来”的人→ 名为“Put”的人)。实体分类使用AI来过滤这些变量并规范化名称变体。它是可选的,但会使“与爱丽丝的事情”这样的查询更加准确。

您可以使用AI运行它(需要Claude Code,需要2-3分钟)或完全跳过它。服务器以任何方式工作。

安装需要多长时间?

  • 基本设置(无AI功能):约2分钟
  • AI修饰和实体分类的完整设置:约7-10分钟

AI步骤是可选的,如果你想快速开始,可以稍后运行。

我可以运行什么类型的查询?

以下是我尝试过的一些例子:

  • “我对去年夏天的装修有什么看法?”
  • “向我展示我用[人名]计划的一切”
  • “查找标记为#work from January的内容”
  • “我第一次提到地下室项目是什么时候?”
  • “给我一份所有与承包商相关的事情的时间表”

基本上,你可以在Twos中手动搜索任何东西,但克劳德现在可以通过对话来完成,并在几个月内拼凑出线索。

它与Twos API或实时同步一起工作吗?

不,它使用Markdown导出。您从Twos导出,运行转换器,并将其加载到SQLite中。如果你想稍后更新它,只需再次导出并重新运行加载程序。不是实时的,但非常适合回顾和分析。

我能看到一个它工作的例子吗?

我不想发布带有个人数据的截图,但如果人们感兴趣,我很乐意分享示例查询/结果。README中也有一些示例查询。

哇,这是你自己做的吗?

不,这个项目是Claude Code和Codex多次迭代的结果,并得到了Gemini CLI和Perplexity的一点帮助。

我知道如何构建它和我想要的数据流,人工智能在实现和调试方面做了繁重的工作。

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
Memex Twos MCP 怎么安装?

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

Memex Twos MCP 怎么在 Claude Desktop、Claude 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。

Memex Twos MCP 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。

Memex Twos MCP 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。

Memex Twos MCP 支持哪些客户端?

资料标注支持 Claude Desktop、Claude;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。

Memex Twos MCP 能提供哪些能力?

资料显示能力标签包括 知识管理、本地处理、Python、Claude。具体工具清单以官方文档为准。

Memex Twos MCP 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。

Memex Twos MCP 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。