pickfit

瀏覽MCP 伺服器

dreamd

以本機為優先、適用於 AI agent 的長期記憶,具備可稽核的經驗與出處。

已在 macOS 和 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 2 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。

  • crates:rmcp 1.7.0 RMCP:在 OAuth 受保護資源中繼資料探索中缺少 Resource 欄位驗證 (GHSA-33f5-2c5q-wgwj,高風險,2.0.0 已修正)
再看 1 個

macOS arm64

  1. 透過 npm 全域安裝 dreamd-mcp

    npm install -g dreamd-mcp
README 與實測不符之處
  • README 寫: npx -y dreamd-mcp setup works in any folder
    實際可行: 需要專案根目錄標記(.git/、Cargo.toml、package.json 或 pyproject.toml);已用 git init 建立 git 儲存庫

確認能用

dreamd-mcp doctor 2>&1

輸出應包含「index_freshness:」。

先試試這個

pwd; cat package.json 2>&1 || echo no-package; git init 2>&1; ls -la
dreamd-mcp setup --yes --harness none 2>&1
dreamd-mcp doctor 2>&1

加進你的 agent

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

執行 dreamd-mcp setup --yes --harness none 設定記憶儲存區,再於 AI 用戶端中將 dreamd-mcp 新增為 MCP 伺服器。

Linux x86_64

  1. 透過 npm 全域安裝 dreamd-mcp

    npm install -g dreamd-mcp

確認能用

which dreamd-mcp; ls ~/.local/bin/dreamd* 2>&1; dreamd-mcp --help 2>&1

輸出應包含「dreamd-mcp — npx shim」。

先試試這個

cd /tmp/testproj && dreamd-mcp init 2>&1; echo "EXIT:$?"; ls -R .agent 2>&1 | head -n 100
cd /tmp/testproj && dreamd-mcp doctor 2>&1

加進你的 agent

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

執行 dreamd-mcp setup --yes --harness none 設定記憶儲存區,再於 AI 用戶端中將 dreamd-mcp 新增為 MCP 伺服器。

它能做什麼

  • 透過 MCP 搜尋已儲存的記憶
    怎麼使用
    1. 執行一次 dreamd-mcp setup --yes --harness none。
    2. 將 MCP 用戶端連線到 dreamd-mcp。
    3. 以 query(例如 <your text>)呼叫 search_nodes 工具。
    已測試
  • 透過單一寫入者 daemon 新增學習內容
    怎麼使用
    1. 執行一次 dreamd-mcp setup --yes --harness none。
    2. 將 MCP 用戶端連線到 dreamd-mcp。
    3. 呼叫 append_node 工具,並將 content、source_harness 與 skill_action 設為 <your text>。
    已測試
  • 在多個代理框架間共用同一個記憶資料夾
    未測試
  • 將學習內容彙整至 LESSONS.md
    未測試

pickfit 測到哪一步

macOS arm64

  1. 可以安裝
  2. 可以連線
  3. 4 項功能中 2 項可用
  4. 可離線使用

Linux x86_64

  1. 可以安裝
  2. 可以連線
  3. 4 項功能中 2 項可用
  4. 可離線使用

Windows:專案說支援,但 pickfit 還沒試過。

適合用來

  • 找出促成某次回想的已儲存記憶
  • 移除錯誤的記憶事件及其經驗狀態
  • 驗證來源帳本的一致性
  • 跨工作階段搜尋先前的 agent 上下文

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

macOS arm64

MCP 用戶端成功呼叫工具

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年11月1日
  • 版本 1.2.0

MCP 用戶端透過 stdio 連線,列出 2 個工具,呼叫 append_node 也回傳了結果。

測試機器遇到的差異

  • README: npx -y dreamd-mcp setup with interactive harness prompt
    測試中: 在非互動式 shell 中使用 --yes --harness none 以避免 TTY 提示

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11月1日
  • 版本 1.2.0

MCP 用戶端透過 stdio 連線,列出 2 個工具,呼叫 append_node 也回傳了結果。

測試機器遇到的差異

  • README: npx -y dreamd-mcp init --yes and npx -y dreamd-mcp setup require sentinel .git/Cargo.toml/package.json/pyproject.toml
    測試中: 必須先以 git init 建立含標記的專案目錄,handshake 與工具才能穩定運作;否則伺服器找不到專案根目錄
  • README: npx -y dreamd-mcp as launch command
    測試中: 使用 npm install -g dreamd-mcp 全域安裝,因此啟動指令為 PATH 上的 `dreamd-mcp`,避免每次探測時透過 npx 抓取,並滿足離線重跑

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。