Brainrot Mcp

🚀 🧠 Brainrot MCP

Brainrot MCP 是一个模型上下文协议（MCP）服务器，它解决了 AI 编码会话之间上下文丢失的关键问题。你只需存储一次项目决策、待办事项和架构模式，就可以通过任何兼容 MCP 的 AI 助手无缝访问它们。

🚀 快速开始

1. 克隆并设置项目

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

# 创建虚拟环境
uv venv
uv pip install -r backend/requirements.txt
uv pip install -r mcp_server/requirements.txt

2. 启动后端服务

python backend/server.py

若要启用向量搜索，请设置 ENABLE_VECTOR_SEARCH=true：

ENABLE_VECTOR_SEARCH=true uv run python server.py

API 服务器将在 http://localhost:8000 启动。

3. 配置 Claude Desktop

将以下内容添加到 ~/.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. 重启 Claude Desktop

重启 Claude Desktop，即可开始使用！🎉

✨ 主要特性

• 自动摘要：长内容会自动生成摘要，方便快速查阅。
• 智能指令：检索到的上下文会根据标签提供相关的使用指导。
• 优先级设置：可以为待办事项和技术债设置优先级（低/中/高）。
• 元数据支持：通过时间戳和来源跟踪，提供丰富的上下文信息。
• 向量搜索：支持语义搜索，即使没有精确的关键词也能找到相关上下文。
• 强大的标签支持：可靠的标签过滤和分类功能，便于更好地组织信息。

📦 安装指南

环境要求

• Python 3.11+
• uv（推荐）或 pip
• Claude Desktop 或其他兼容 MCP 的客户端
• FastMCP 框架（自动安装）
• SQLite（Python 自带）

安装步骤

按照“快速开始”部分的步骤进行操作。

💻 使用示例

基础用法

存储架构决策

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

保存项目待办事项

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

后续检索上下文

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

高级用法

多会话项目开发示例

第 1 天：存储数据库模式决策

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 会根据智能指令记住你的模式

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

团队编码标准示例

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

带优先级的性能跟踪示例

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

📚 详细文档

可用的 MCP 工具

项目架构

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

流程：MCP 客户端 → MCP 服务器 → HTTP API → SQLite 数据库

🔧 技术细节

运行测试

# 后端测试
cd backend && pytest tests/

# 测试 MCP 服务器
npx @modelcontextprotocol/inspector uv run python mcp_server/server.py

代码质量检查

# 代码检查
ruff check .

# 类型检查
mypy .

📄 许可证

本项目采用 MIT 许可证，详情请参阅 LICENSE 文件。

🎊 未来规划

• [ ] 支持多项目命名空间
• [ ] 团队协作功能和共享上下文
• [ ] 增强 AI 驱动的上下文建议和洞察
• [ ] 上下文共享的导出/导入功能
• [ ] VS Code 扩展，实现直接集成
• [ ] 上下文关系和链接
• [ ] 对所有存储的上下文进行全文搜索

为那些厌倦了反复向 AI 助手解释相同内容的开发者们精心打造 ❤️

如果 Brainrot MCP 为你节省了时间，请给这个仓库点个星 ⭐！