使用
Linux x86_64
需要先準備
- 執行環境:
Node.js 20 or newer - 金鑰或帳號:OPENAI_API_KEY
透過 npm 全域安裝 brain-os
npm install -g brain-os
加進你的 agent
claude mcp add brain-os -- brain-os serveClaude Desktop、Cursor 等用戶端用的 JSON
{
"mcpServers": {
"brain-os": {
"command": "brain-os",
"args": [
"serve"
]
}
}
}在專案資料夾執行 brain-os init <folder>,再於 MCP 用戶端中將 brain-os serve 新增為 MCP 伺服器。
它能做什麼
- 追蹤專案狀態與阻礙已測試
怎麼使用
- 在專案資料夾執行
brain-os init <folder>。 - 將 MCP 用戶端連接至
brain-os serve。 - 呼叫 entity_update 工具,附上專案 ID 及其狀態、阻礙與下一步。
- 在專案資料夾執行
- 將提議的行動與現行決策比對已測試
怎麼使用
- 在專案資料夾執行
brain-os init <folder>。 - 將 MCP 用戶端連接至
brain-os serve。 - 呼叫 decision_check 工具,附上你提議的行動與專案 ID。
- 在專案資料夾執行
- 取得依優先順序排列的工作建議已測試
怎麼使用
- 在專案資料夾執行
brain-os init <folder>。 - 將 MCP 用戶端連接至
brain-os serve。 - 不帶參數呼叫 focus_get 工具。
- 在專案資料夾執行
- 記錄決策及你否決的替代方案未測試
pickfit 測到哪一步
Linux x86_64
- 可以安裝
- 可以連線
- 4 項功能中 3 項可用
- 可離線使用
適合用來
- 將提議的行動與已記錄的決策進行比對
- 記錄策略決策及其理由與被否決的替代方案
- 取得該優先處理哪些工作的建議
- 依語意搜尋專案記憶
- 在工作階段結束時儲存狀態變更
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31日
- 版本 0.11.0
MCP 用戶端透過 stdio 連線,列出 24 個工具,呼叫 entity_update 也回傳了結果。
測試機器遇到的差異
- README: npm install brain-os openai for semantic search
測試中: 探測需要以 npm install -g brain-os 全域安裝;npx 啟動器每次執行都會重新下載,離線時會失敗