pickfit

瀏覽MCP 伺服器

ai-cortex

本機儲存區,透過 MCP 為 coding agent 提供程式碼庫地圖、工作階段歷程與具型別的記憶。

已在 Linux 上測試有已知漏洞

使用

安裝前先知道:有已知漏洞

pickfit 在安裝時會一併裝上的套件裡找到 10 個已知的高風險或嚴重漏洞(OSV.dev,2026年11月3日),安裝前請先考慮。

  • npm:protobufjs 6.11.6 protobufjs 中的任意程式碼執行 (GHSA-xq3m-2v4x-88gg,嚴重,7.5.5 已修正)
  • npm:sharp 0.32.6 sharp 在 libvips 中繼承的弱點:CVE-2026-33327、CVE-2026-33328、CVE-2026-35590、CVE-2026-35591 (GHSA-f88m-g3jw-g9cj,高風險,0.35.0 已修正)
再看 8 個

Linux x86_64

需要先準備

  • 執行環境:Node.js 20 or newer
  1. 透過 npm 安裝 ai-cortex

    npm install -g ai-cortex
README 與實測不符之處
  • README 寫: MCP tools listed as recall_memory(worktreePath), record_memory(worktreePath), index_project etc
    實際可行: 實際 MCP schema 中 index_project 使用 `path`、suggest_files 使用 `task`(探測時名稱被截斷);以 worktreePath/query 呼叫會得到 Invalid arguments

確認能用

ai-cortex --version

輸出應包含「ai-cortex 0.18.1」。

加進你的 agent

claude mcp add ai-cortex -- ai-cortex mcp
Claude Desktop、Cursor 等用戶端用的 JSON
{
  "mcpServers": {
    "ai-cortex": {
      "command": "ai-cortex",
      "args": [
        "mcp"
      ]
    }
  }
}

在程式設計代理的設定中將 ai-cortex mcp 加入為 MCP 伺服器,再從代理使用其工具。

它能做什麼

  • 儲存分類的專案記憶
    怎麼使用
    1. 將 MCP 用戶端連接到 ai-cortex mcp。
    2. 呼叫 record_memory 工具,將 worktreePath 設為 <your repo path>,並提供 type(例如 decision)、title 與 body。
    已測試
  • 為 git 儲存庫建立索引
    未測試
  • 依任務排序最相關的檔案
    未測試
  • 搜尋先前的代理工作階段
    沒有看到它可用

pickfit 測到哪一步

Linux x86_64

  1. 可以安裝
  2. 可以連線
  3. 4 項功能中 1 項可用
  4. 需要網路

適合用來

  • 為 git 儲存庫建立索引,並依任務排序相關檔案
  • 搜尋過往 agent 工作階段中的決策與修正
  • 儲存並回想具型別的專案記憶,例如決策與陷阱

pickfit 怎麼測的

每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證

Linux x86_64

MCP 用戶端成功呼叫工具

  • 從頭重跑
  • 需要網路
  • 檢查於 2026年10月31日
  • 版本 0.18.1

MCP 用戶端透過 stdio 連線,列出 39 個工具,呼叫 search_history 也回傳了結果。

測試機器遇到的差異

  • README: ai-cortex index /path/to/repo
    測試中: CLI index 可正常運作;MCP index_project 也需要 `path` 而非 `worktreePath`,且受 cwd 影響

怎麼看工具卡

縫線
pickfit 親自安裝過這款工具,縫線下方的內容都來自那次測試。沒測過的工具,一律沒有縫線。
已在你的作業系統上驗證
安裝步驟在你選的系統上跑過。「只在 Linux 上執行過」表示還沒在你的系統上跑過。
macOS、Linux 和 Windows在哪裡測過
綠色系統標記:pickfit 在該系統跑過安裝步驟。灰色:README 說支援,但 pickfit 還沒試過。
測試進行到哪一步
能安裝並啟動、主要功能可用、服務有回應、能產生模型輸出。視窗代表桌面應用程式已開啟;插頭代表 MCP 用戶端用過它。標記在測試結果旁邊:展開「為什麼適合、我們怎麼知道」,或在「pickfit 怎麼測的」裡。
視覺檢查
pickfit 看過應用程式的截圖。綠色:畫面正常。黃色加數字:有看起來不對的地方,點開就能看到。灰色虛線:還沒檢查。
已知漏洞
它安裝的套件有沒有已知的高風險或嚴重漏洞(OSV.dev)。綠色:沒有已知漏洞。紅色加數字:有幾個,點開看清單,安裝前先看過。灰色虛線:沒有檢查,不代表安全。
關於這次測試
測試日期,以及測到的版本。
理由的來源
每個推薦理由都依據簡介裡的一個欄位。展開理由就能看到欄位和值。
寶藏
品質高、少有人知。
品質與知名度
兩個分數,滿分都是 100。品質:pickfit 試裝、試用的結果,以及安裝文件和維護狀況。知名度:看星數、下載量和 Hacker News。
已檢查的功能
README 宣傳的主要功能裡,實測通過幾項(綠色)、失敗幾項(紅色)。灰色是沒檢查的,工具卡會說明原因。
未驗證
Fitz 依一般知識提到的知名工具。沒有測試紀錄、沒有步驟、沒有分數。