pickfit

瀏覽MCP 伺服器

FlowState

本機 MCP 伺服器,讓 AI 應用程式共享儲存於 SQLite 的專案記憶。

已在 macOS 和 Linux 上測試

使用

macOS arm64

需要先準備

  • 執行環境:python>=3.11
  • 系統套件:git
  1. git clone FlowState 儲存庫

    git clone https://github.com/dialectforge/FlowState.git FlowState && ls FlowState/mcp-server
  2. 建立 venv 並 pip install -e mcp-server

    cd FlowState && /opt/homebrew/bin/python3 -m venv .venv && .venv/bin/python -m pip install -e mcp-server

加進你的 agent

claude mcp add flowstate -- env 'FLOWSTATE_DB=<FLOWSTATE_DB>' '<install-folder>/FlowState/.venv/bin/python' -m flowstate
Claude Desktop、Cursor 等用戶端用的 JSON
{
  "mcpServers": {
    "flowstate": {
      "command": "env",
      "args": [
        "FLOWSTATE_DB=<FLOWSTATE_DB>",
        "<install-folder>/FlowState/.venv/bin/python",
        "-m",
        "flowstate"
      ]
    }
  }
}

請把 <FLOWSTATE_DB> 換成你自己的路徑。 請把 <install-folder> 換成你執行安裝步驟的資料夾。

在 AI App 中將 FlowState 資料夾的 .venv/bin/python -m flowstate 新增為 MCP 伺服器,再呼叫 start_here 工具。

Linux x86_64

需要先準備

  • 執行環境:python>=3.11
  • 系統套件:git
  1. 複製 FlowState 儲存庫

    git clone https://github.com/dialectforge/FlowState.git FlowState
  2. 建立 venv 並 pip install -e mcp-server

    cd FlowState && python3 -m venv .venv && .venv/bin/python -m pip install -e mcp-server
README 與實測不符之處
  • README 寫: manage_todos action="create" in README example
    實際可行: 有效動作為 add、list、next 等;create 會傳回驗證錯誤,專案名稱錯誤時 list 會產生 KeyError

確認能用

FlowState/.venv/bin/python -m flowstate --help 2>&1

輸出應包含「usage: flowstate」。

加進你的 agent

claude mcp add flowstate -- '<install-folder>/FlowState/.venv/bin/python' -m flowstate
Claude Desktop、Cursor 等用戶端用的 JSON
{
  "mcpServers": {
    "flowstate": {
      "command": "<install-folder>/FlowState/.venv/bin/python",
      "args": [
        "-m",
        "flowstate"
      ]
    }
  }
}

請把 <install-folder> 換成你執行安裝步驟的資料夾。

在 AI App 中將 FlowState 資料夾的 .venv/bin/python -m flowstate 新增為 MCP 伺服器,再呼叫 start_here 工具。

它能做什麼

  • 在 AI 應用程式間共享專案記憶
    怎麼使用
    1. 使用 manage_projects 工具,以動作 create 和名稱建立專案。
    2. 使用 manage_todos 工具,以動作 add、專案名稱與標題新增待辦事項。
    3. 讓其他 AI App 指向同一伺服器,以共用相同的專案記憶。
    已測試
  • 開始時閱讀簡短的專案摘要
    怎麼使用
    1. 以專案名稱呼叫 start_here 工具,取得專案摘要。
    已測試
  • 記錄決策、變更、問題及待辦事項
    怎麼使用
    1. 以專案名稱、類型(如 decision)與摘要呼叫 log_work 工具。
    已測試
  • 將記憶保存在本機 SQLite 檔案中
    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 3 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 1 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

  • 回想專案中正在進行的工作
  • 儲存專案決策
  • 列出專案的下一個待辦事項
  • 查詢某主題的過往決策
  • 審查等待核准的項目

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 2.4.5

MCP 用戶端透過 stdio 連線,列出 12 個工具,呼叫 log_work 也回傳了結果。

測試機器遇到的差異

  • README: manage_projects with project param
    測試中: create 動作需要 name 欄位,而非 project

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 2.4.5

MCP 用戶端透過 stdio 連線,列出 12 個工具,呼叫 manage_projects 也回傳了結果。

測試機器遇到的差異

  • README: .venv/bin/python -m pip install -e mcp-server assumes .venv exists
    測試中: 先用 python3 -m venv .venv 建立 venv
  • README: FLOWSTATE_WORKSPACE env var usage documented but default DB location not obvious
    測試中: 預設 SQLite 位於 ~/.local/share/flowstate/flowstate.db,不在工作區;log_work/manage_todos 的工作區名稱必須與專案名稱完全相符

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。