pickfit

瀏覽MCP 伺服器

Bastra Recall

本機優先的記憶功能,以 Markdown 為 AI 助理儲存偏好與決策。

已在 Linux 上測試

使用

Linux x86_64

需要先準備

  • 執行環境:Node 22-26
  1. 透過 npm 全域安裝 bastra-recall

    node --version && npm --version && npm install -g bastra-recall
  2. 將 MCP 轉發器加入 PATH

    ln -sf "$HOME/.local/lib/node_modules/bastra-recall/node_modules/@bastra-recall/daemon/dist/mcp-forwarder.js" "$HOME/.local/bin/bastra-recall-mcp" && chmod +x "$HOME/.local/bin/bastra-recall-mcp" && ls -l ~/.local/bin/bastra-recall-mcp && ls ~/.pickfit/mcp_probe.py

確認能用

ls ~/.local/lib/node_modules/bastra-recall/node_modules/@bastra-recall/ 2>&1; ls ~/.local/lib/node_modules/bastra-recall/node_modules/.bin/ 2>&1; which bastra && bastra --version

輸出應包含「1.1.1」。

先試試這個

bastra doctor 2>&1

加進你的 agent

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

執行 bastra doctor 檢查設定,接著在 AI 助理中將 Bastra Recall 新增為 MCP 伺服器,讓它能使用 recall 和 save_memory 等工具。

它能做什麼

  • 跨工作階段保留偏好、決策與經驗
    未測試
  • 開始工作前擷取相關記憶
    沒有看到它可用
  • 在多個 AI 工具間共用同一個 vault
    未測試
  • 在本機 vault 地圖中瀏覽記憶
    未測試

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 0 項可用
  4. 可離線使用

macOS 和 Windows:專案說支援,但 pickfit 還沒試過。

適合用來

  • 跨對話工作階段保留偏好、決策與修正
  • 將每項決策與經驗各存為獨立檔案
  • 透過本機 vault 地圖瀏覽與搜尋記憶

可替代 CLAUDE.md 和 AGENTS.md。

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
  • 可離線使用
  • 檢查於 2026年10月30日
  • 版本 1.1.1

MCP 用戶端透過 stdio 連線,列出 15 個工具,呼叫 recall 也回傳了結果。

測試機器遇到的差異

  • README: npx bastra-recall install with no prior global install
    測試中: npm install -g bastra-recall 讓 bastra 加入 PATH 以供離線重跑;npx fetch 在網路關閉時會失敗
  • README: MCP forwarder launch command on PATH
    測試中: 將 daemon 的 dist/mcp-forwarder.js 符號連結至 ~/.local/bin/bastra-recall-mcp;安裝後只有 bastra 在 PATH 上
  • README: MCP tools work with no setup
    測試中: BASTRA_VAULT_PATH=/tmp/bastra-vault 且需預先建立資料夾,否則 recall/save_memory 會回傳 tools/call 錯誤

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。