divlens

DivLens MCP

为 AI Agent 提供实时系统情报。
让 Claude、Cursor 和 Windsurf 洞察你的设备——CPU、RAM、磁盘、网络、进程、硬件健康状况等。

---

什么是 DivLens MCP？

DivLens MCP 是一个使用 Rust 编写的高性能 Model Context Protocol (MCP) 服务。

它弥合了 AI 助手与设备之间的鸿沟，让 Claude、Cursor、Windsurf 以及任何其他兼容 MCP 的 Agent 能够实时、有结构地访问硬件传感器、存储指标、网络诊断信息、进程树、开发环境运行时、系统日志等。

无需云端，无需 API 密钥，无需配置。只需构建并运行。

"Why is my Mac slow?" → Claude calls get_live_metrics() → Instant answer.
"Is my SSD healthy?"  → Claude calls get_hardware_diagnostics() → SMART data returned.
"What's eating disk?"  → Claude calls get_advanced_storage_stats() → Largest files listed.

---

✦ 17 个诊断工具

类别	工具	返回内容
⚡ 性能	get_live_metrics	CPU 使用率、RAM、交换空间、阻塞进程、运行时间
⚡ 性能	get_process_list	按 CPU / RAM 排序的进程列表及 PID
💾 存储	get_storage_health	每个挂载点的可用 / 已用 / 总容量
💾 存储	scan_storage_inventory	完整的文件类型清单及大小
💾 存储	get_file_type_summary	按扩展名统计的文件数量和大小
💾 存储	get_specific_file_type	所有匹配指定扩展名的文件
💾 存储	get_advanced_storage_stats	最大的 50 个文件 + 陈旧数据分析
💾 存储	get_storage_diagnostics	IOPS、读写延迟、SMART 状态
🖥️ 硬件	get_hardware_diagnostics	CPU/GPU 规格、电池电量、温度、SMART
🌐 网络	get_network_diagnostics	吞吐量、活动连接、信号
🌐 网络	get_network_config	每个适配器的 IP、DNS、接口配置
🔬 标识信息	get_system_dna	OS、主机名、运行时间、机器指纹
🛠️ 开发技术栈	get_dev_stack	Node、Python、Rust、Go、Java 运行时及软件包
🛠️ 开发技术栈	get_drivers	内核模块和设备驱动程序
📂 实用工具	scan_directory	递归列出目录及文件大小
🧠 记忆	recall_memory	对过往 AI 诊断进行语义搜索
📋 日志	get_system_logs	按模式归类的近期 OS/内核错误

---

🚀 安装 — 一条命令，适用于任何平台

无需 Rust。无需编译。无需手动编辑配置。 安装程序会下载预构建的二进制文件，并自动配置你的 AI 客户端。

macOS 和 Linux

curl -fsSL https://raw.githubusercontent.com/Lohithry/divlens-mcp/main/install.sh | bash

Windows（PowerShell — 无需管理员权限）

irm https://raw.githubusercontent.com/Lohithry/divlens-mcp/main/install.ps1 | iex

安装程序将：

• ✅ 检测你的操作系统和芯片（Apple Silicon / Intel / Linux / Windows）
• ✅ 从 GitHub Releases 下载正确的预构建二进制文件
• ✅ 验证 SHA-256 校验和
• ✅ 安装到你的 PATH，无需管理员权限
• ✅ 自动配置 Claude Desktop、Cursor、Windsurf 和 Antigravity
• ✅ 在完成前测试服务是否正常工作

然后只需重启你的 AI 客户端，并询问 “现在是什么在占用我的 CPU？”

---

从源代码构建（高级）

需要 Rust 1.82+。

git clone https://github.com/Lohithry/divlens-mcp.git
cd divlens-mcp/apps/core
cargo build --release
./target/release/divlens-core --mcp

---

连接到你的 AI

Claude Desktop

配置文件：~/Library/Application Support/Claude/claude_desktop_config.json（macOS）
或 %APPDATA%\Claude\claude_desktop_config.json（Windows）

{
  "mcpServers": {
    "divlens": {
      "command": "/usr/local/bin/divlens-core",
      "args": ["--mcp"]
    }
  }
}

退出并重新启动 Claude Desktop。出现 🔌 插头图标即表示连接成功。

Cursor

配置文件：~/.cursor/mcp.json

{
  "mcpServers": {
    "divlens": {
      "command": "/usr/local/bin/divlens-core",
      "args": ["--mcp"]
    }
  }
}

Cmd+Shift+P → 重新加载窗口

Windsurf

配置文件：~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "divlens": {
      "command": "/usr/local/bin/divlens-core",
      "args": ["--mcp"]
    }
  }
}

完整的设置详情请参阅 DEPLOYMENT.md。

---

工作原理

  ┌─────────────────────────────────────────┐
  │   AI Client  (Claude / Cursor / etc.)   │
  │         LLM reasoning lives here        │
  └──────────────────┬──────────────────────┘
                     │  JSON-RPC 2.0  (stdio)
                     ▼
  ┌─────────────────────────────────────────┐
  │          divlens-core  (Rust)           │
  │                                         │
  │  ┌───────────────┐  ┌───────────────┐   │
  │  │  MCP Layer    │  │  17 Tools     │   │
  │  │  (JSON-RPC)   │  │  (Rust + OS)  │   │
  │  └───────────────┘  └───────────────┘   │
  │  ┌───────────────┐  ┌───────────────┐   │
  │  │  SQLite Cache │  │  Native APIs  │   │
  │  │  (sysinfo/OS) │  │  (IOKit/WMI)  │   │
  │  └───────────────┘  └───────────────┘   │
  └─────────────────────────────────────────┘

      Zero cloud.  Zero API keys.  100% local.

传输： 每条 MCP 消息都是通过 stdio 传输、以换行符分隔的 JSON-RPC 2.0 对象。
AI 逻辑： DivLens 从不运行大模型推理，只收集并返回原始系统数据。
隐私： 所有数据都保留在你的计算机上，不会发送到任何地方。

---

项目结构

divlens-mcp/
└── apps/
    └── core/                      # Rust MCP engine
        ├── src/
        │   ├── tools/             # 17 tool implementations
        │   ├── mcp/               # JSON-RPC 2.0 protocol handler
        │   ├── mcp_server.rs      # stdio transport loop
        │   ├── collectors/        # Native OS data collectors
        │   │   ├── volatile/      # CPU, RAM, network (live)
        │   │   ├── persistent/    # Storage, hardware (cached)
        │   │   └── ondemand/      # Drivers, logs, packages
        │   ├── modules/           # Core business logic
        │   ├── db/                # SQLite caching layer
        │   ├── models/            # Shared data types
        │   └── utils/             # Shell env rehydration
        ├── Cargo.toml
        └── env.example

---

可选：语义记忆

启用 vector-memory 功能，即可使用本地 ONNX 嵌入模型为 recall_memory 提供真正的语义搜索（无需云服务或 API 密钥）：

cargo build --release --features vector-memory

启用后，DivLens 会创建本地 LanceDB 向量存储，并使用 fastembed 对过往诊断进行嵌入，以便通过语义搜索进行回忆。

禁用时（默认），recall_memory 会返回空列表，不会影响任何功能。

---

验证服务

无需客户端即可测试 MCP 线协议：

# Initialize handshake
echo '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","clientInfo":{"name":"test","version":"0.1"}}}' \
  | divlens-core --mcp

# Call a tool directly
echo '{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"get_live_metrics","arguments":{}}}' \
  | divlens-core --mcp

---

许可证

根据 Apache License, Version 2.0 授权。
完整文本请参阅 LICENSE。

版权所有 © 2024 DivLens Contributors。

---

_{以 ❤️ 和 Rust 构建 · 零云端 · AI 原生诊断}