pickfit

瀏覽MCP 伺服器

RMS Memory MCP

以本機為優先的持久式 MCP 記憶伺服器,為 AI coding agent 提供具語意搜尋的共用 Markdown vault。

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 5 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:pulldown-cmark 0.13.5 啟用 `ENABLE_WIKILINKS` 時巢狀圖片 wikilink 解析呈二次方成長 (RUSTSEC-2026-0433,高風險,0.13.6 已修正)
  • crates:quick-xml 0.26.0 檢查起始標籤重複屬性名稱時發生二次方運行時間 (RUSTSEC-2026-0194,高風險,0.41.0 已修正)
再看 3 個

Linux x86_64

  1. 僅下載安裝指令碼

    curl -fsSL https://raw.githubusercontent.com/max-ramas/rms-memory-mcp/master/scripts/install.sh -o /tmp/rms-install.sh
  2. 執行 rms-memory 的安裝指令碼

    bash /tmp/rms-install.sh
README 與實測不符之處
  • README 寫: rms-memory config then rms-memory init registers a project
    實際可行: 在 rms-memory init 之前先用 rms-memory config --vault-path <PATH> 設定全域資料庫路徑,否則 init 會要求先設定

確認能用

rms-memory --version

輸出應包含「rms-memory 1.3.2」。

加進你的 agent

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

執行 rms-memory config --vault-path <vault folder>,接著在專案資料夾中執行 rms-memory init,再以 rms-memory serve 為 MCP 用戶端啟動伺服器。

它能做什麼

  • 為 AI 代理程式保存持久的本機記憶
    怎麼使用
    1. 以 rms-memory config --vault-path <vault folder> 設定 vault 位置。
    2. 在專案資料夾中執行 rms-memory init,再以 rms-memory projects list 確認。
    3. 以 rms-memory serve 啟動伺服器並連線 MCP 用戶端,呼叫 rms_projects 工具列出專案。
    已測試
  • 以混合向量搜尋查詢記憶
    怎麼使用
    1. 使用 rms_write 工具儲存筆記,並提供專案、路徑(例如 <folder>/<note>.md)與內容。
    2. 對該專案呼叫 rms_sync 以更新索引。
    3. 以你的查詢、專案名稱與結果數量上限呼叫 rms_search。
    已測試
  • 依語意為多種語言的原始碼建立索引
    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. 3 項功能中 2 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

  • 搜尋 Markdown 專案記憶
  • 保存架構決策與規則
  • 依路徑讀取記憶文件
  • 執行資料庫健康診斷
  • 將資料庫匯出為 llms.txt

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 1.3.2

MCP 用戶端透過 stdio 連線,列出 19 個工具,呼叫 rms_projects 也回傳了結果。

測試機器遇到的差異

  • README: curl -fsSL .../scripts/install.sh | bash
    測試中: install.sh 會下載預先建置的執行檔 tarball rms_memory_mcp_<version>_<target>.tar.gz,執行前無法以文字檢視
  • README: curl ... install.sh | bash installs binary
    測試中: install.sh 最後會自動執行 rms-memory install(此處未找到任何 IDE 設定)

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。