Cipher

Cipher是一个专为编程AI代理设计的开源记忆层框架，通过MCP协议与各种IDE和AI编码助手集成，提供自动记忆生成、团队记忆共享和双系统记忆管理等核心功能。

知识管理与记忆开发者工具 #AI编程助手 #记忆管理 #MCP集成 #团队协作 .TypeScript

评分 : 5分

下载量 : 0

更新时间 : 2025-09-03

打开站点

什么是Cipher MCP Server?

Cipher是一个专为AI编程助手设计的开源记忆层框架，通过Model Context Protocol (MCP)与Claude Desktop、Cursor、Windsurf等主流IDE无缝集成。它为AI编程助手提供持久的记忆能力，能够自动生成和检索编码记忆，帮助AI更好地理解代码上下文和项目历史。

如何使用Cipher MCP Server?

只需在支持的IDE中配置MCP服务器设置，指向Cipher的可执行文件，即可开始使用。Cipher会自动捕获和存储编程概念、业务逻辑和过往交互，为AI助手提供丰富的上下文信息。

适用场景

适用于需要AI编程助手保持项目上下文记忆的开发场景，特别是团队协作、大型项目维护、代码审查和技术债务管理。支持在多个IDE间无缝切换而不丢失记忆上下文。

主要功能

MCP协议集成

通过标准Model Context Protocol与主流IDE集成，支持Claude Desktop、Cursor、Windsurf等

双重记忆层

System 1记忆编程概念和业务逻辑，System 2记忆模型推理步骤，提供完整的上下文理解

工作区记忆共享

支持团队实时共享编程记忆，促进知识传承和协作开发

知识图谱

构建代码实体关系图谱，实现语义搜索和智能推理

多模型支持

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

优势

无缝IDE集成，无需复杂配置

持久的上下文记忆，避免重复解释

团队知识共享，提高协作效率

支持多种LLM和向量数据库

开源免费，可自定义扩展

局限性

需要一定的初始配置和理解

记忆存储可能占用磁盘空间

对网络连接有一定依赖（云向量数据库）

部分高级功能需要技术背景才能充分发挥

如何使用

安装Cipher

通过npm全局安装或本地安装Cipher包

配置环境变量

设置必要的API密钥和数据库连接信息

配置IDE的MCP设置

在您使用的IDE中添加Cipher作为MCP服务器

启动并使用

重启IDE，Cipher将自动开始捕获和提供记忆上下文

使用案例

项目上下文记忆

当新成员加入项目时，Cipher可以提供项目的架构决策、技术选择和过往问题的解决方案历史

错误解决方案记忆

记录常见错误及其解决方案，当类似问题再次出现时快速提供解答

代码审查记忆

记录代码审查中的最佳实践和常见问题，帮助保持代码质量一致性

常见问题

Cipher支持哪些IDE?

需要多少配置工作?

数据存储在哪里?是否安全?

团队如何共享记忆?

是否支持自托管?

🚀 Cipher

Cipher是一个集成了MCP的记忆驱动型人工智能代理框架，专为编码代理设计，能有效提升编码效率和协作性。

🚀 快速开始

NPM 包（推荐大多数用户使用）

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

# 或者在项目中本地安装
npm install @byterover/cipher

Docker

显示 Docker 设置

# 克隆并设置
git clone https://github.com/campfirein/cipher.git
cd cipher

# 配置环境
cp .env.example .env
# 使用你的 API 密钥编辑 .env

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

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

⚠️ 重要提示

Docker 构建会自动跳过 UI 构建步骤，以避免与 lightningcss 出现 ARM64 兼容性问题。默认情况下，Docker 镜像中不包含 UI。

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

从源代码安装

pnpm i && pnpm run build && npm link

CLI 使用方法 💻

显示 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 服务器模式
cipher --mode api

# MCP 服务器模式
cipher --mode mcp

# Web UI 模式
cipher --mode ui

⚠️ 重要提示

在终端/ shell 中运行 MCP 模式时，请导出所有环境变量，因为 Cipher 不会从 .env 文件中读取。

💡 使用建议

CLI 模式会自动继续或创建 "default" 会话。使用 /session new <session-name> 可启动新会话。

Cipher Web UI 为与记忆驱动型人工智能代理进行交互提供了直观的界面，具有会话管理、工具集成和实时聊天功能。

✨ 主要特性

🔌 通过 MCP 与任意你想要的 IDE 集成。
🧠 自动生成可随代码库扩展的人工智能编码记忆。
🔄 在不同 IDE 之间无缝切换，不会丢失记忆和上下文。
🤝 轻松在开发团队中实时共享编码记忆。
🧬 双记忆层，可捕获系统 1（编程概念、业务逻辑和过往交互）和系统 2（模型生成代码时的推理步骤）。
⚙️ 零配置即可安装到你的 IDE 中。

📦 安装指南

基本配置 ⚙️

显示 YAML 示例

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

# 系统提示
systemPrompt: 'You are a helpful AI assistant with memory capabilities.'

# MCP 服务器（可选）
mcpServers:
  filesystem:
    type: stdio
    command: npx
    args: ['-y', '@modelcontextprotocol/server-filesystem', '.']

📖 详见配置指南 以获取完整详细信息。

环境变量 🔐

在项目根目录创建一个 .env 文件，并包含以下必要变量：

显示 .env 模板

# ====================
# API 密钥（至少需要一个）
# ====================
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

# ====================
# 向量存储（可选 - 默认使用内存存储）
# ====================
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

# ====================
# 聊天历史记录（可选 - 默认使用 SQLite）
# ====================
CIPHER_PG_URL=postgresql://user:pass@localhost:5432/cipher_db

# ====================
# 工作区记忆（可选）
# ====================
USE_WORKSPACE_MEMORY=true
WORKSPACE_VECTOR_STORE_COLLECTION=workspace_memory

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

# ====================
# 高级选项（可选）
# ====================
# 日志记录和调试
CIPHER_LOG_LEVEL=info  # error, warn, info, debug, silly
REDACT_SECRETS=true

# 向量存储配置
VECTOR_STORE_DIMENSION=1536
VECTOR_STORE_DISTANCE=Cosine  # Cosine, Euclidean, Dot, Manhattan
VECTOR_STORE_MAX_VECTORS=10000

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

💡 使用建议

复制 .env.example 到 .env 并填写你的值：
cp .env.example .env

📚 详细文档

📚 完整文档

主题	描述
配置	完整的配置指南，包括代理设置、嵌入和向量存储
大语言模型提供商	OpenAI、Anthropic、AWS、Azure、Qwen、Ollama、LM Studio 的详细设置
嵌入配置	嵌入提供商、回退逻辑和故障排除
向量存储	Qdrant、Milvus、内存向量数据库配置
聊天历史记录	PostgreSQL、SQLite 会话存储和管理
CLI 参考	完整的命令行界面文档
MCP 集成	高级 MCP 服务器设置、聚合器模式和 IDE 集成
工作区记忆	支持团队协作开发的记忆系统
示例	实际集成示例和用例

🚀 下一步

如需详细文档，请访问：

🔧 技术细节

MCP 服务器使用方法

Cipher 可以作为 MCP（模型上下文协议）服务器运行，允许与兼容 MCP 的客户端（如 Claude Desktop、Cursor、Windsurf 和其他人工智能编码助手）集成。

快速设置

要在 MCP 客户端配置中使用 Cipher 作为 MCP 服务器，请使用以下配置：

{
    "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"
            }
        }
    }
}

📖 详见 MCP 集成指南 以获取完整的 MCP 设置和高级功能。

👉 内置工具概述 — 展开下面的下拉菜单，快速浏览所有内容。完整详细信息请参阅 📘。

内置工具（概述）

记忆
- cipher_extract_and_operate_memory：一步提取知识并执行添加/更新/删除操作
- cipher_memory_search：对存储的知识进行语义搜索
- cipher_store_reasoning_memory：存储高质量的推理痕迹
推理（反思）
- cipher_extract_reasoning_steps（内部）：提取结构化的推理步骤
- cipher_evaluate_reasoning（内部）：评估推理质量并提出改进建议
- cipher_search_reasoning_patterns：在反思记忆中搜索模式
工作区记忆（团队）
- cipher_workspace_search：搜索团队/项目工作区记忆
- cipher_workspace_store：后台捕获团队/项目信号
知识图谱
- 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
系统
- cipher_bash：执行 bash 命令（一次性或持久化）