🚀 📋 MCP工作历史服务器
🤖 这是一个模型上下文协议（MCP）服务器，允许AI工具将其活动记录到每日工作日志文件中，并详细跟踪工具名称、AI模型和时间戳。
✨ 主要特性
- 🕐 精确的时间戳：以HH:MM格式记录活动时间
- 🔧 工具跟踪：记录执行操作的AI工具
- 🧠 模型跟踪：跟踪使用的AI模型（例如，gemini - 2.5 - pro、claude - 3 - sonnet）
- 📊 全面的指标：跟踪令牌使用量、上下文长度、持续时间和成本
- 🏷️ 标签系统：使用自定义标签对活动进行分类
- ✅❌ 成功/失败跟踪：记录成功操作和错误
- 📁 每日组织：为每一天创建单独的Markdown文件
- 📝 简洁格式：采用项目符号样式的条目，便于浏览
- 🎯 MCP兼容：可与任何支持MCP的AI客户端配合使用
📦 安装指南
npm install
💻 使用示例
基础用法
启动MCP服务器：
npm start
或者在开发模式下运行，支持自动重启：
npm run dev
高级用法
服务器提供了一个工具：
log_activity
将AI工具的活动以简洁、易浏览的格式记录到当天的工作日志文件中。
参数： 必需参数：
tool_name（字符串）：AI工具的名称（例如，“Warp”、“Claude Code”、“GitHub Copilot”）log_message（字符串）：详细描述完成的操作
可选参数：
ai_model（字符串）：使用的AI模型（例如，“gemini - 2.5 - pro”、“claude - 3 - sonnet”、“gpt - 4”）tokens_used（数字）：请求中消耗的总令牌数input_tokens（数字）：使用的输入令牌数（可替代tokens_used）output_tokens（数字）：生成的输出令牌数（可替代tokens_used）context_length（数字）：使用的上下文窗口长度（以千为单位）duration_ms（数字）：操作的持续时间（以毫秒为单位）cost_usd（数字）：估计的成本（以美元为单位）success（布尔值）：操作是否成功（默认为true）error_message（字符串）：操作失败时的错误消息tags（数组）：用于对活动进行分类的标签（例如，["coding", "debugging", "refactoring"]）
示例日志条目：
# 📝 工作日志 - 2024 - 01 - 15
- ✅ 08:31 - Warp (gemini - 2.5 - pro): 将身份验证模块重构为使用JWT令牌 (1250 令牌 | 8k 上下文 | 2.3 秒 | $0.0043 | [refactoring, auth])
- ✅ 09:15 - Claude Code (claude - 3 - sonnet): 修复了数据库连接池问题 (850→320 令牌 | 1.1 秒 | $0.0021)
- ❌ 10:42 - GitHub Copilot (gpt - 4): 尝试实现用户资料端点 (❌ 超时错误 | [coding, api])
- ✅ 11:30 - Warp: 快速代码审查并提出建议 (500 令牌 | 0.8 秒)
📚 详细文档
📂 日志文件结构
日志存储在logs/目录中，文件命名模式为worklog - YYYY - MM - DD.md。
每个日志文件包含：
- 📝 带有表情符号的日期标题
- 🕐 带时间戳的项目符号条目
- 🔧 工具名称和AI模型信息
- 📋 简洁的活动描述
⚙️ MCP配置
对于Warp AI
将此服务器添加到您的Warp MCP配置中：
{
"mcp - work - history": {
"command": "node",
"args": ["/Users/your - username/path/to/mcp - work - history/src/index.js"],
"env": {},
"working_directory": null,
"start_on_launch": true
}
}
对于Claude Desktop
添加到您的claude_desktop_config.json文件中：
{
"mcpServers": {
"work - history": {
"command": "node",
"args": ["/absolute/path/to/mcp - work - history/src/index.js"]
}
}
}
AI工具中的示例用法
配置完成后，AI工具可以像这样记录其活动： 基本用法：
log_activity({
tool_name: "Warp",
log_message: "为用户仪表板创建了React组件"
})
包含全面指标：
log_activity({
tool_name: "Warp",
ai_model: "gemini - 2.5 - pro",
log_message: "使用OAuth集成重构了身份验证系统",
tokens_used: 1250,
context_length: 8,
duration_ms: 2300,
cost_usd: 0.0043,
success: true,
tags: ["refactoring", "auth", "oauth"]
})
错误日志记录：
log_activity({
tool_name: "GitHub Copilot",
ai_model: "gpt - 4",
log_message: "尝试实现用户资料端点",
input_tokens: 800,
output_tokens: 0,
success: false,
error_message: "超时错误",
tags: ["coding", "api"]
})
🗂️ 项目结构
mcp - work - history/
├── 📄 src/index.js # 主MCP服务器代码
├── 📁 logs/ # 每日工作日志文件（自动创建）
│ ├── worklog - 2024 - 01 - 15.md
│ └── worklog - 2024 - 01 - 16.md
├── 📦 package.json # 依赖项和脚本
├── 🚫 .gitignore # Git忽略规则
└── 📋 README.md # 本文件
🤝 贡献指南
- 分叉仓库
- 创建您的功能分支 (
git checkout -b feature/amazing - feature) - 提交您的更改 (
git commit -m '添加一些很棒的功能') - 推送到该分支 (
git push origin feature/amazing - feature) - 打开一个拉取请求
🎯 实际示例：Warp AI集成
以下是如何在Warp AI中设置自动活动记录的步骤：
步骤1：在Warp中配置MCP服务器
将以下内容添加到您的Warp MCP配置中：
{
"mcp - work - history": {
"command": "node",
"args": ["/Users/nocoo/Workspace/mcp - work - history/src/index.js"],
"env": {},
"working_directory": null,
"start_on_launch": true
}
}
步骤2：在Warp中添加日志记录规则
使用此规则配置Warp，以自动记录AI活动：
规则： “当AI任务完成时，使用mcp - work - history记录此次AI任务的详细信息。发送AI工具名称（Warp）、使用的模型、详细时间以及此次任务的简要摘要和结果。”
步骤3：查看效果
 显示MCP工作历史服务器在Warp中自动记录AI活动的截图
记录内容
通过此设置，Warp中的每次AI交互将自动创建如下条目：
# 📝 工作日志 - 2024 - 12 - 06
- ✅ 14:32 - Warp (gemini - 2.5 - pro): 将React组件重构为使用自定义钩子进行状态管理 (1240 令牌 | 4.2 秒 | [refactoring, react])
- ✅ 14:45 - Warp (gemini - 2.5 - pro): 修复了身份验证模块中的TypeScript类型错误 (890 令牌 | 2.1 秒 | [bugfix, typescript])
- ✅ 15:10 - Warp (gemini - 2.5 - pro): 为用户服务添加了全面的单元测试 (1560 令牌 | 3.8 秒 | [testing, unit - tests])
好处
- 📊 自动跟踪：无需手动记录
- 🔍 详细洞察：跟踪令牌使用量、性能和成本
- 📈 进度监控：查看您的每日编码成果
- 🏷️ 活动分类：使用标签组织工作
- 💰 成本跟踪：长期监控AI使用成本
📄 许可证
本项目采用MIT许可证，详情请参阅LICENSE文件。