My Br A In

MCP开发工具

提供方 lilium360

开发工具 未标注 会话登录 社区 / 第三方

myBrAIn是一个MCP服务器,为语言模型提供持久化和上下文感知的记忆功能,帮助AI在开发环境中记住项目规则、架构决策和技术见解。

一句话选型结论

按资料字段整理

My Br A In 属于开发工具类 MCP 服务器,传输方式未标注,会话登录,没有现成安装命令,需按官方文档接入。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。

分类开发工具 传输方式未标注 鉴权会话登录 部署方式未标注
GitHub 星标 31 仓库热度,无公开仓库时显示未标注
工具数 5 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

开发工具
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5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

MCP服务器Python本地部署上下文感知AI记忆开发工具知识图谱

安装与配置

未标注 会话登录
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  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

    连接成功后客户端会列出约 5 个工具,随便调一个只读工具确认能返回结果。

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
代码与仓库操作

在对话里直接查代码、提 issue、走 PR,省掉来回切工具。

本地命令与脚本

把构建、测试、格式化这类重复命令交给模型执行。

接口联调与测试

让模型调你的接口、跑一遍用例,快速定位问题。

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

  • 资料标注 5 个工具,职责相对集中,接入后不容易误操作。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 使用前要准备好会话登录对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在开发工具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

  • 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
My Br A In当前 5 未标注 未标注 无 2026-05-17
Git 838e2ec1 12 stdio · 本地进程 本地部署 有 2026-05-17
Markitdown MCP 2c653a5f 1 stdio · 本地进程 本地部署 有 2026-05-17
JavaGuide 未标注 stdio · 本地进程 本地部署 有 2026-04-11
awesome-claude-skills 未标注 stdio · 本地进程 本地部署 有 2026-04-26
Context7 831acf40 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

开发工具
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lilium360上游标注的维护方 lilium360
分类开发工具本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式会话登录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
部署类型未标注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

7.7 KB
来自项目仓库与上游目录的原文,未做删改

🧠 myBrAIn——MCP生态系统

谷歌反重力的确定性、概念性、情境感知的第二大脑。


介绍

myBrAIn 是一个MCP(模型上下文协议)服务器,旨在为语言模型(如谷歌反重力)提供持久和上下文记忆。它充当开发环境的“第二大脑”,允许人工智能在不同的聊天会话中记住项目规则、架构决策和技术见解。


系统架构

该系统分为三个主要部分:

  • 核心:管理持久性(db.py)以及分析智能(analyzer.py)用于从代码中提取见解。
  • 服务器:标准MCP接口(server.py)这允许反重力与大脑相互作用。
  • 管理用户界面:高级仪表板(admin.py)基于Streamlit,通过以下高级功能可视化、管理和调试存储的内存 知识图谱, 内存导出,以及 沉默的观察者 仪表板。
  • 观察者:后台守护进程线程(observer.py)实时监控代码库漂移。

🏗 安装

A.Docker部署(推荐)

最简单的跑步方式 myBrAIn 正在使用Docker Compose。```bash

Clone & Prepare

git clone https://github.com/lilium360/myBrAIn.git
cd myBrAIn
cp .env.example .env

Spin up

docker compose up -d


管理UI将在以下位置提供: **http://localhost:8501**

### B.本地安装(原生Python)

1. **克隆并输入**:```bash
git clone https://github.com/lilium360/myBrAIn.git
cd myBrAIn
  1. 设置环境:
    - 窗户: python -m venv venv && .\venv\Scripts\activate
    - Unix: python3 -m venv venv && source venv/bin/activate
  2. 安装: pip install -r requirements.txt

🚀 使用指南

1.启动管理仪表板

要以图形方式管理数据库并可视化见解:

  • 通过Docker:已在运行 docker compose up.打开 http://localhost:8501.
  • 通过Python:运行 streamlit run admin.py (或 python -m streamlit run admin.py).

2.集成在IDE中(光标、VS代码+反重力)

将此添加到您的 mcpServers 配置JSON:

选项A:通过Docker```json

{
"mcpServers": {
"mybrain": {
"command": "docker",
"args": ["exec", "-i", "mybrain-admin", "python", "server.py"],
"env": {
"MYBRAIN_DATA_DIR": "/data/mybrain"
}
}
}
}


#### 选项B:通过Python(本地)```json
{
"mcpServers": {
"mybrain": {
"command": "python",
"args": ["/ABSOLUTE/PATH/TO/mybrain/server.py"]
}
}
}

> [!重要]
> 更改路径 args 到 绝对的 您机器上的路径。


🧠 项目入职和背景

myBrAIn 是专门为处理“项目入职”而设计的,这是一个人工智能分析您当前代码库并存储其架构DNA的过程。

如何启动一个新项目

配置MCP服务器后,只需使用以下提示:

> “我想把这个项目完整地载入你的长期记忆中。按顺序执行:结构链接、堆栈分析、架构分析、样式分析和排除分析。”

📝 集成协议(AI代理必须遵守)

确保AI使用 myBrAIn 正确且一致地将以下说明复制并粘贴到项目的自定义说明中,或 .cursorrules 文件:```markdown

myBrAIn Integration Protocol (MANDATORY)

You are connected to myBrAIn, an MCP server that acts as your Long-Term Memory and "Single Source of Truth" for this project.
You MUST NEVER rely solely on the current chat context or your general knowledge when project-specific rules are saved.

Strictly follow this operational cycle for EVERY interaction:

1. RECALL PHASE (Before Reasoning)

BEFORE generating any code or technical response, you MUST consult the memory:
- Action: Run recall_context using relevant keywords (e.g., "auth logic", "styling conventions", "api patterns").
- Goal: Retrieve the tech stack, architectural rules, and standard components already defined.
- Constraint: If you find an existing rule or component (e.g., "Always use CustomButton"), you MUST use it. Creating duplicates or unauthorized variations is FORBIDDEN.

2. CONSISTENCY PHASE (During Reasoning)

While generating the response:
- Strictly adhere to retrieved Constraints.
- If the user requests something that violates a saved rule (e.g., "Use jQuery" in a React project saved as "No jQuery"), warn the user of the conflict before proceeding.
- Use the code style (naming, comments, structure) retrieved from memory to maintain uniformity.

3. MEMORIZATION PHASE (During/After Action)

Your task is to keep the memory alive and updated. DO NOT wait for the user to ask.
Use store_insight proactively in the following cases:
- New Decisions: If a new architectural rule is established (e.g., "From now on, use only Tailwind").
- New Patterns: If you write a reusable generic component, save it as a "Standard Component".
- Corrections: If the user corrects your error, save the correction (e.g., "Do not use library X because it's buggy").
- Onboarding: If you detect a new empty project, propose or run initialize_workbase.

4. CONFLICT MANAGEMENT

  • myBrAIn Priority: If your general knowledge suggests "X" but myBrAIn says "Y", the correct answer is "Y".
  • Updates: If an old memory is obsolete, use store_insight to overwrite it (the system handles semantic collision automatically via replace_id).

Correct Workflow Example:
User: "Create a login page."
AI (Internal Thought): "Check myBrAIn for 'login', 'auth', 'ui components'."
AI Action: recall_context("login auth ui style")
AI (Found): "The project uses NextAuth and Shadcn components."
AI Response: Generates code using EXACTLY NextAuth and Shadcn, without inventing custom CSS unless necessary.
AI Action (Post): Since a new useful auth hook was created, run store_insight to save it.
```


可用工具

  • initialize_workbase:将目录链接到大脑。
  • store_insight:手动保存规则或上下文。
  • recall_context:检索当前任务的相关记忆。
  • critique_code:根据存储的体系结构规则验证代码。
  • audit_codebase:扫描整个代码库,查看架构漂移和矛盾。

高级配置

您可以通过环境变量(在Docker中)或修改来定制系统行为 core/config.py.



🗂️ 管理员仪表板功能(v1.1)

重构后的管理仪表板包括:

  • 基于卡的浏览器:在带有规则、上下文和约束的彩色标签的现代化网格中浏览记忆。
  • 知识图谱:交互式可视化大脑的语义关系和分类集群。
  • 批量操作:选择多条记录进行同时删除或快速编辑。
  • 无声观察者仪表板:背景漂移检测引擎的实时状态监测。
  • 内存管理:导出完整的大脑转储或特定于工作库的JSON;在项目之间导入和重新分配知识包。
  • 工作基地管理:通过受确认保护的销毁机制安全管理项目数据。

🔮 路线图

  • [ ] 语义路线图: 内部任务规划师,负责维护长期目标和特征进度的背景。
  • [x] 内存导入/导出: 与你的团队分享你的“大脑”(粒度和目标)。
  • [x] 沉默的观察者: 扫描代码并检测架构漂移的后台守护进程。
  • [x] Docker支持
  • [x] 带知识图谱的管理UI

常见问题

5 问
答案由本站依据条目字段整理,不引用上游原文
My Br A In 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

My Br A In 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。

My Br A In 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。

My Br A In 需要 API Key 吗?

资料标注需要会话登录认证,使用前准备好对应凭据,并按最小权限配置。

My Br A In 能提供哪些能力?

资料显示约 5 个工具;能力标签包括 开发工具、上下文感知、Python、知识图谱、AI记忆。具体工具清单以官方文档为准。

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。