Brainrot MCP

🚀 🧠 Brainrot MCP

Brainrot MCP 是一個模型上下文協議（MCP）服務器，它解決了 AI 編碼會話之間上下文丟失的關鍵問題。你只需存儲一次項目決策、待辦事項和架構模式，就可以通過任何兼容 MCP 的 AI 助手無縫訪問它們。

🚀 快速開始

1. 克隆並設置項目

git clone https://github.com/KnowHow-Software-Inc/brainrot-mcp.git
cd brainrot-mcp

# 創建虛擬環境
uv venv
uv pip install -r backend/requirements.txt
uv pip install -r mcp_server/requirements.txt

2. 啟動後端服務

python backend/server.py

若要啟用向量搜索，請設置 ENABLE_VECTOR_SEARCH=true：

ENABLE_VECTOR_SEARCH=true uv run python server.py

API 服務器將在 http://localhost:8000 啟動。

3. 配置 Claude Desktop

將以下內容添加到 ~/.config/claude/claude_desktop_config.json 文件中：

{
  "mcpServers": {
    "brainrot": {
      "command": "uv",
      "args": ["run", "python", "/path/to/brainrot-mcp/mcp_server/server.py"],
      "env": {
        "BACKEND_URL": "http://localhost:8000"
      }
    }
  }
}

4. 重啟 Claude Desktop

重啟 Claude Desktop，即可開始使用！🎉

✨ 主要特性

• 自動摘要：長內容會自動生成摘要，方便快速查閱。
• 智能指令：檢索到的上下文會根據標籤提供相關的使用指導。
• 優先級設置：可以為待辦事項和技術債設置優先級（低/中/高）。
• 元數據支持：通過時間戳和來源跟蹤，提供豐富的上下文信息。
• 向量搜索：支持語義搜索，即使沒有精確的關鍵詞也能找到相關上下文。
• 強大的標籤支持：可靠的標籤過濾和分類功能，便於更好地組織信息。

📦 安裝指南

環境要求

• Python 3.11+
• uv（推薦）或 pip
• Claude Desktop 或其他兼容 MCP 的客戶端
• FastMCP 框架（自動安裝）
• SQLite（Python 自帶）

安裝步驟

按照“快速開始”部分的步驟進行操作。

💻 使用示例

基礎用法

存儲架構決策

push_context("auth-strategy", 
            "Using JWT with refresh tokens, 15min access token expiry, Redis for token storage", 
            tags=["architecture", "security"], 
            priority="high")

保存項目待辦事項

push_context("optimize-database",
            "Add database indexes for user queries - currently taking 2+ seconds", 
            tags=["todo", "performance", "backend"],
            priority="high")

後續檢索上下文

pop_context("auth-strategy")
# Returns: Architecture decision with smart instructions
# 📐 ARCHITECTURE DECISION: Apply this pattern consistently...

list_contexts(tag="performance")
# Lists all performance-related contexts with summaries

高級用法

多會話項目開發示例

第 1 天：存儲數據庫模式決策

push_context("db-schema", 
            "Users table: id, email, password_hash. Posts table: id, user_id, content, created_at", 
            tags=["database", "schema"], 
            priority="high")

第 5 天：Claude 會根據智能指令記住你的模式

pop_context("db-schema")
# Returns with instructions: "📌 STORED CONTEXT: Apply this information as appropriate..."

團隊編碼標準示例

push_context("error-handling", 
            "Always use custom AppError class with error codes. Log to structured JSON format", 
            tags=["standards", "errors", "pattern"],
            priority="medium")

帶優先級的性能跟蹤示例

push_context("slow-query-fix", 
            "User dashboard query optimized from 3s to 200ms using compound index on (user_id, created_at)", 
            tags=["performance", "solved"],
            priority="low")  # Low priority since it's already solved

📚 詳細文檔

可用的 MCP 工具

項目架構

brainrot-mcp/
├── backend/              # FastAPI server + SQLite database
├── mcp_server/          # MCP server implementation  
├── data/                # SQLite database storage
└── frontend/            # Optional web dashboard

流程：MCP 客戶端 → MCP 服務器 → HTTP API → SQLite 數據庫

🔧 技術細節

運行測試

# 後端測試
cd backend && pytest tests/

# 測試 MCP 服務器
npx @modelcontextprotocol/inspector uv run python mcp_server/server.py

代碼質量檢查

# 代碼檢查
ruff check .

# 類型檢查
mypy .

📄 許可證

本項目採用 MIT 許可證，詳情請參閱 LICENSE 文件。

🎊 未來規劃

• [ ] 支持多項目命名空間
• [ ] 團隊協作功能和共享上下文
• [ ] 增強 AI 驅動的上下文建議和洞察
• [ ] 上下文共享的導出/導入功能
• [ ] VS Code 擴展，實現直接集成
• [ ] 上下文關係和鏈接
• [ ] 對所有存儲的上下文進行全文搜索

為那些厭倦了反覆向 AI 助手解釋相同內容的開發者們精心打造 ❤️

如果 Brainrot MCP 為你節省了時間，請給這個倉庫點個星 ⭐！