Cipher

Cipher是一個專為編程AI代理設計的開源記憶層框架，通過MCP協議與各種IDE和AI編碼助手集成，提供自動記憶生成、團隊記憶共享和雙系統記憶管理等核心功能。

知識管理與記憶開發者工具 #AI編程助手 #記憶管理 #MCP集成 #團隊協作 .TypeScript

評分 : 5分

下載量 : 0

更新時間 : 2025-09-03

打開站點

什麼是Cipher MCP Server?

Cipher是一個專為AI編程助手設計的開源記憶層框架，通過Model Context Protocol (MCP)與Claude Desktop、Cursor、Windsurf等主流IDE無縫集成。它為AI編程助手提供持久的記憶能力，能夠自動生成和檢索編碼記憶，幫助AI更好地理解代碼上下文和項目歷史。

如何使用Cipher MCP Server?

只需在支持的IDE中配置MCP服務器設置，指向Cipher的可執行文件，即可開始使用。Cipher會自動捕獲和存儲編程概念、業務邏輯和過往交互，為AI助手提供豐富的上下文信息。

適用場景

適用於需要AI編程助手保持項目上下文記憶的開發場景，特別是團隊協作、大型項目維護、代碼審查和技術債務管理。支持在多個IDE間無縫切換而不丟失記憶上下文。

主要功能

MCP協議集成

通過標準Model Context Protocol與主流IDE集成，支持Claude Desktop、Cursor、Windsurf等

雙重記憶層

System 1記憶編程概念和業務邏輯，System 2記憶模型推理步驟，提供完整的上下文理解

工作區記憶共享

支持團隊即時共享編程記憶，促進知識傳承和協作開發

知識圖譜

構建代碼實體關係圖譜，實現語義搜索和智能推理

多模型支持

支持OpenAI、Anthropic、Gemini、Qwen等多種LLM提供商

優勢

無縫IDE集成，無需複雜配置

持久的上下文記憶，避免重複解釋

團隊知識共享，提高協作效率

支持多種LLM和向量數據庫

開源免費，可自定義擴展

侷限性

需要一定的初始配置和理解

記憶存儲可能佔用磁盤空間

對網絡連接有一定依賴（雲向量數據庫）

部分高級功能需要技術背景才能充分發揮

如何使用

安裝Cipher

通過npm全局安裝或本地安裝Cipher包

配置環境變量

設置必要的API密鑰和數據庫連接信息

配置IDE的MCP設置

在您使用的IDE中添加Cipher作為MCP服務器

啟動並使用

重啟IDE，Cipher將自動開始捕獲和提供記憶上下文

使用案例

項目上下文記憶

當新成員加入項目時，Cipher可以提供項目的架構決策、技術選擇和過往問題的解決方案歷史

錯誤解決方案記憶

記錄常見錯誤及其解決方案，當類似問題再次出現時快速提供解答

代碼審查記憶

記錄代碼審查中的最佳實踐和常見問題，幫助保持代碼質量一致性

常見問題

Cipher支持哪些IDE?

需要多少配置工作?

數據存儲在哪裡?是否安全?

團隊如何共享記憶?

是否支持自託管?

🚀 Cipher

Cipher是一個集成了MCP的記憶驅動型人工智能代理框架，專為編碼代理設計，能有效提升編碼效率和協作性。

🚀 快速開始

NPM 包（推薦大多數用戶使用）

# 全局安裝
npm install -g @byterover/cipher

# 或者在項目中本地安裝
npm install @byterover/cipher

Docker

顯示 Docker 設置

# 克隆並設置
git clone https://github.com/campfirein/cipher.git
cd cipher

# 配置環境
cp .env.example .env
# 使用你的 API 密鑰編輯 .env

# 使用 Docker 啟動
docker-compose up --build -d

# 測試
curl http://localhost:3000/health

⚠️ 重要提示

Docker 構建會自動跳過 UI 構建步驟，以避免與 lightningcss 出現 ARM64 兼容性問題。默認情況下，Docker 鏡像中不包含 UI。

若要在 Docker 構建中包含 UI，請使用：docker build --build-arg BUILD_UI=true .

從源代碼安裝

pnpm i && pnpm run build && npm link

CLI 使用方法 💻

顯示 CLI 命令

# 交互模式
cipher

# 一次性命令
cipher "Add this to memory as common causes of 'CORS error' in local dev with Vite + Express."

# API 服務器模式
cipher --mode api

# MCP 服務器模式
cipher --mode mcp

# Web UI 模式
cipher --mode ui

⚠️ 重要提示

在終端/ shell 中運行 MCP 模式時，請導出所有環境變量，因為 Cipher 不會從 .env 文件中讀取。

💡 使用建議

CLI 模式會自動繼續或創建 "default" 會話。使用 /session new <session-name> 可啟動新會話。

Cipher Web UI 為與記憶驅動型人工智能代理進行交互提供了直觀的界面，具有會話管理、工具集成和即時聊天功能。

✨ 主要特性

🔌 通過 MCP 與任意你想要的 IDE 集成。
🧠 自動生成可隨代碼庫擴展的人工智能編碼記憶。
🔄 在不同 IDE 之間無縫切換，不會丟失記憶和上下文。
🤝 輕鬆在開發團隊中即時共享編碼記憶。
🧬 雙記憶層，可捕獲系統 1（編程概念、業務邏輯和過往交互）和系統 2（模型生成代碼時的推理步驟）。
⚙️ 零配置即可安裝到你的 IDE 中。

📦 安裝指南

基本配置 ⚙️

顯示 YAML 示例

# LLM 配置
llm:
  provider: openai # openai, anthropic, openrouter, ollama, qwen
  model: gpt-4-turbo
  apiKey: $OPENAI_API_KEY

# 系統提示
systemPrompt: 'You are a helpful AI assistant with memory capabilities.'

# MCP 服務器（可選）
mcpServers:
  filesystem:
    type: stdio
    command: npx
    args: ['-y', '@modelcontextprotocol/server-filesystem', '.']

📖 詳見配置指南 以獲取完整詳細信息。

環境變量 🔐

在項目根目錄創建一個 .env 文件，幷包含以下必要變量：

顯示 .env 模板

# ====================
# API 密鑰（至少需要一個）
# ====================
OPENAI_API_KEY=sk-your-openai-api-key
ANTHROPIC_API_KEY=sk-ant-your-anthropic-key
GEMINI_API_KEY=your-gemini-api-key
QWEN_API_KEY=your-qwen-api-key

# ====================
# 向量存儲（可選 - 默認使用內存存儲）
# ====================
VECTOR_STORE_TYPE=qdrant  # qdrant, milvus, or in-memory
VECTOR_STORE_URL=https://your-cluster.qdrant.io
VECTOR_STORE_API_KEY=your-qdrant-api-key

# ====================
# 聊天曆史記錄（可選 - 默認使用 SQLite）
# ====================
CIPHER_PG_URL=postgresql://user:pass@localhost:5432/cipher_db

# ====================
# 工作區記憶（可選）
# ====================
USE_WORKSPACE_MEMORY=true
WORKSPACE_VECTOR_STORE_COLLECTION=workspace_memory

# ====================
# AWS Bedrock（可選）
# ====================
AWS_ACCESS_KEY_ID=your-aws-access-key
AWS_SECRET_ACCESS_KEY=your-aws-secret-key
AWS_DEFAULT_REGION=us-east-1

# ====================
# 高級選項（可選）
# ====================
# 日誌記錄和調試
CIPHER_LOG_LEVEL=info  # error, warn, info, debug, silly
REDACT_SECRETS=true

# 向量存儲配置
VECTOR_STORE_DIMENSION=1536
VECTOR_STORE_DISTANCE=Cosine  # Cosine, Euclidean, Dot, Manhattan
VECTOR_STORE_MAX_VECTORS=10000

# 記憶搜索配置
SEARCH_MEMORY_TYPE=knowledge  # knowledge, reflection, both (default: knowledge)
DISABLE_REFLECTION_MEMORY=true  # default: true

💡 使用建議

複製 .env.example 到 .env 並填寫你的值：
cp .env.example .env

📚 詳細文檔

📚 完整文檔

主題	描述
配置	完整的配置指南，包括代理設置、嵌入和向量存儲
大語言模型提供商	OpenAI、Anthropic、AWS、Azure、Qwen、Ollama、LM Studio 的詳細設置
嵌入配置	嵌入提供商、回退邏輯和故障排除
向量存儲	Qdrant、Milvus、內存向量數據庫配置
聊天曆史記錄	PostgreSQL、SQLite 會話存儲和管理
CLI 參考	完整的命令行界面文檔
MCP 集成	高級 MCP 服務器設置、聚合器模式和 IDE 集成
工作區記憶	支持團隊協作開發的記憶系統
示例	實際集成示例和用例

🚀 下一步

如需詳細文檔，請訪問：

🔧 技術細節

MCP 服務器使用方法

Cipher 可以作為 MCP（模型上下文協議）服務器運行，允許與兼容 MCP 的客戶端（如 Claude Desktop、Cursor、Windsurf 和其他人工智能編碼助手）集成。

快速設置

要在 MCP 客戶端配置中使用 Cipher 作為 MCP 服務器，請使用以下配置：

{
    "mcpServers": {
        "cipher": {
            "type": "stdio",
            "command": "cipher",
            "args": ["--mode", "mcp"],
            "env": {
                "MCP_SERVER_MODE": "aggregator",
                "OPENAI_API_KEY": "your_openai_api_key",
                "ANTHROPIC_API_KEY": "your_anthropic_api_key"
            }
        }
    }
}

📖 詳見 MCP 集成指南 以獲取完整的 MCP 設置和高級功能。

👉 內置工具概述 — 展開下面的下拉菜單，快速瀏覽所有內容。完整詳細信息請參閱 📘。

內置工具（概述）

記憶
- cipher_extract_and_operate_memory：一步提取知識並執行添加/更新/刪除操作
- cipher_memory_search：對存儲的知識進行語義搜索
- cipher_store_reasoning_memory：存儲高質量的推理痕跡
推理（反思）
- cipher_extract_reasoning_steps（內部）：提取結構化的推理步驟
- cipher_evaluate_reasoning（內部）：評估推理質量並提出改進建議
- cipher_search_reasoning_patterns：在反思記憶中搜索模式
工作區記憶（團隊）
- cipher_workspace_search：搜索團隊/項目工作區記憶
- cipher_workspace_store：後臺捕獲團隊/項目信號
知識圖譜
- cipher_add_node, cipher_update_node, cipher_delete_node, cipher_add_edge
- cipher_search_graph, cipher_enhanced_search, cipher_get_neighbors
- cipher_extract_entities, cipher_query_graph, cipher_relationship_manager
系統
- cipher_bash：執行 bash 命令（一次性或持久化）