chatmcp

GitHub
2.2k 206 简单 1 次阅读 昨天Apache-2.0图像语言模型开发框架Agent插件
AI 解读 由 AI 自动生成,仅供参考

ChatMCP 是一款支持全平台(涵盖 macOS、Windows、Linux、iOS、Android 及网页端)的 AI 聊天客户端,其核心特色是完整实现了模型上下文协议(MCP)。它主要解决了传统 AI 聊天工具功能单一、难以灵活连接外部数据源或执行复杂本地任务的痛点,让用户能在一个统一的界面中轻松调用各种 MCP 服务,实现从代码执行、文件分析到联网搜索等多样化能力。

无论是希望提升工作效率的普通用户,还是需要深度定制 AI 工作流的开发者与研究人员,ChatMCP 都能提供极佳的使用体验。对于技术人员而言,它支持通过 uvx 或 npx 快速部署,并兼容多种 MCP 传输标准(如 Stdio、SSE),便于集成自定义工具;对于大众用户,它内置了丰富的交互功能,包括思维链展示、图像生成、LaTeX 公式渲染、Mermaid 图表绘制以及 HTML 实时预览,让复杂的输出结果一目了然。此外,ChatMCP 还具备局域网数据同步特性,方便用户在多设备间无缝切换。凭借跨平台的一致性与对开放协议的坚定支持,ChatMCP 正成为连接用户与智能模型的高效桥梁。

使用场景

某全栈开发者需要在本地同时管理多个大模型服务,并调用文件系统、数据库等本地资源来构建一个智能代码助手。

没有 chatmcp 时

  • 工具割裂严重:开发者必须在终端运行 MCP 服务器,在浏览器打开网页版聊天界面,两者数据不通,切换窗口频繁打断思路。
  • 本地资源访问困难:想让 AI 读取本地项目文件或查询 SQLite 数据库,需手动复制粘贴内容到对话框,既低效又存在隐私泄露风险。
  • 多端协作受阻:在办公室电脑配置的提示词和聊天记录,回到家中的笔记本或手机上无法同步,工作流被迫中断。
  • 可视化支持缺失:AI 生成的 Mermaid 流程图或 LaTeX 公式只能看到源码,需额外寻找在线渲染器才能预览效果。

使用 chatmcp 后

  • 原生集成体验:chatmcp 作为跨平台客户端直接内置 MCP 协议,一键连接本地 stdio 或 SSE 服务,在统一界面内即可完成对话与工具调用。
  • 安全高效的上下文交互:直接授权 chatmcp 访问本地文件系统和数据库,AI 能实时读取项目代码进行分析,无需人工搬运数据,隐私完全可控。
  • 无缝局域网同步:利用 chatmcp 的局域网数据同步功能,桌面端的配置与历史对话自动流转至移动端,实现真正的随时随地连续开发。
  • 富媒体即时渲染:内置 Artifact 展示区,AI 输出的流程图、HTML 页面及数学公式直接在聊天窗口渲染,所见即所得。

chatmcp 通过原生支持 MCP 协议与多端同步能力,将分散的 AI 工具链整合为流畅的本地智能开发工作流。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该工具是基于 Flutter 开发的跨平台 AI 聊天客户端,非本地大模型推理工具,因此无特定 GPU 或高内存需求。Linux 用户运行 AppImage 或 DEB 包时需安装指定的图形和系统库(如 libfuse2, GTK3 等)。开发或从源码运行需安装 Flutter 和 Dart。支持通过 uvx 或 npx 调用 MCP 服务器。
python未说明 (运行 MCP 服务器可能需要 Python,但客户端本身基于 Flutter)
Flutter
Dart SDK
libfuse2 (Linux AppImage)
libgtk-3-0
libegl1/libegl1-mesa
libgles2
libgl1-mesa-dri
libglx-mesa0
libx11-6
libsqlite3-0
chatmcp hero image

快速开始

logo

chatmcp

跨平台 Macos | Windows | Linux | iOS | Android | Web AI 聊天客户端

English | 简体中文 | Türkçe

安装

macOS Windows Linux iOS Android Web
发布版 发布版 发布版 ¹ TestFlight 发布版 GitHub Pages ²

¹ Linux 注意事项:

  • 请参阅下方的 Linux 系统要求,了解在 Ubuntu 22.04 和 24.04 上运行 AppImage/DEB 所需的运行时依赖项
  • 使用体验优化:最新版本增加了更好的暗色主题支持,并遵循 XDG 基本目录规范 实现统一的数据存储;同时计划针对 Linux 桌面环境优化 UI 布局
  • 已在主要发行版上测试通过:Ubuntu、Fedora、Arch Linux、openSUSE

² 注:Web 版本完全在您的浏览器中运行,聊天记录和设置将保存在本地存储中。

文档

此外,您还可以使用 DeepWiki 获取有关 chatmcp 的更多信息。
Ask DeepWiki DeepWiki 是一个由 AI 驱动的平台,可将任何公开的 GitHub 仓库转化为一个完全交互式、易于理解的维基。它通过分析代码、文档和配置文件,生成清晰的解释、交互式图表,甚至允许与 AI 进行实时问答。

预览

Artifact 展示 思考模式 生成图片 LaTeX 支持 HTML 预览 Mermaid 图表 MCP 工作流 MCP 内存模式 MCP 工具 LLM 提供商 MCP 标准输入输出 MCP SSE

数据同步

ChatMCP 应用程序可以在同一局域网内同步数据

数据同步

使用方法

请确保您的系统中已安装 uvxnpx

MacOS

# uvx
brew install uv

# npx
brew install node 

Linux

# uvx
curl -LsSf https://astral.sh/uv/install.sh | sh

# npx (使用 apt)
sudo apt update
sudo apt install nodejs npm

Linux 系统要求(Ubuntu 22.04 和 24.04)

要在 Ubuntu 及其衍生系统上运行 ChatMCP AppImage/DEB,请安装以下运行时软件包:

  • AppImage (FUSE): libfuse2
  • GTK 3: libgtk-3-0
  • 图形/EGL:
    • Ubuntu 22.04: libegl1-mesa, libgles2, libgl1-mesa-dri, libglx-mesa0
    • Ubuntu 24.04: libegl1, libgles2, libgl1-mesa-dri, libglx-mesa0
  • X11 工具和 SQLite: libx11-6, xdg-utils, libsqlite3-0

安装命令如下:

  • Ubuntu 22.04:
sudo apt install -y libfuse2 libgtk-3-0 libegl1-mesa libgles2 libgl1-mesa-dri libglx-mesa0 libx11-6 xdg-utils libsqlite3-0 libsqlite3-dev
  • Ubuntu 24.04:
sudo apt install -y libfuse2 libgtk-3-0 libegl1 libgles2 libgl1-mesa-dri libglx-mesa0 libx11-6 xdg-utils libsqlite3-0 libsqlite3-dev

可选(推荐):mesa-vulkan-driversmesa-utils(用于 glxinfo 等诊断工具)

  1. 在“设置”页面中配置您的 LLM API 密钥和端点
  2. 从“MCP 服务器”页面安装 MCP 服务器
  3. 与 MCP 服务器聊天
  • stdio mcp 服务器

  • sse mcp 服务器

数据存储

ChatMCP 遵循各平台的最佳实践进行数据存储:

存储位置

macOS:

~/Library/Application Support/ChatMcp/

Windows:

%APPDATA%\ChatMcp\

Linux:

~/.local/share/ChatMcp/           # 如果设置了 $XDG_DATA_HOME,则优先使用
~/.local/share/run.daodao.chatmcp # Flutter 依赖

移动端:

  • 应用程序文档目录

文件结构

所有平台均采用统一的目录结构存储数据:

  • logs 文件夹 - 应用程序日志
  • chatmcp.db - 主数据库文件,包含聊天记录和消息
  • shared_preferences.json - 应用程序设置和偏好
  • mcp_server.json - MCP 服务器配置

重置应用数据

要彻底重置应用程序(删除所有聊天记录、设置和配置):

macOS:

rm -rf ~/Library/Application\ Support/ChatMcp

Windows:

rd /s /q "%APPDATA%\ChatMcp"

Linux:

rm -rf ~/.local/share/ChatMcp
rm -rf ~/.local/share/run.daodao.chatmcp

开发

安装 Flutter

要开发或运行 ChatMCP,您需要先安装 Flutter
请按照适用于您平台的官方 Flutter 安装指南 进行操作。

安装完成后,请通过以下命令验证:

flutter --version

强制代码格式化与提交前钩子

为确保所有贡献者保持一致的代码风格,本仓库会在每次提交时强制执行 Dart 代码格式化。

  • 仓库在 .githooks/pre-commit 中附带了一个版本化的 Git 钩子。
  • 提交时,它会运行 dart format .,重新添加已更改的文件,然后进行无输出检查,以确保没有未格式化的文件。
  • 格式不正确的提交将在本地被拒绝;此外,CI 也会使未格式化的 PR 失败。

快速设置(每个克隆只需一次):

make setup-git-hooks

手动设置(替代方案):

git config core.hooksPath .githooks
chmod +x .githooks/pre-commit

要求(PATH 中至少需要具备以下之一):

  • Dart SDK,或
  • Flutter(内置了 Dart)

示例:

  • macOS/Linux(Flutter):
    export PATH="$PATH:$HOME/flutter/bin"
    which flutter && flutter --version
    which dart && dart --version
    
  • macOS/Linux(Dart SDK):
    export PATH="$PATH:$HOME/dart-sdk/bin"
    which dart && dart --version
    
  • Windows(PowerShell):将 C:\\src\\flutter\\bin(或您的 Flutter 路径)添加到用户/系统 PATH 中。通过以下命令验证:
    where flutter
    where dart
    

IDE 注意:更改 PATH 后,请重启 IDE,以便 VCS 操作(提交)继承更新后的环境。

CI 强制执行:

  • 一个名为 check-format 的 GitHub Actions 工作流会在推送/PR 时运行 dart format --output=none --set-exit-if-changed .,如果存在任何未格式化的文件,该工作流将会失败。

政策:

  • 请勿绕过钩子(例如使用 --no-verify)。此类更改将在 CI 中失败,并且仍需重新格式化。

克隆并本地运行

# 克隆仓库
git clone https://github.com/daodao97/chatmcp.git
cd chatmcp

# 安装依赖
flutter pub get

# 在 macOS 上运行
flutter run -d macos

# 在 Linux 上运行(需启用 Flutter 桌面支持)
flutter run -d linux

# 构建 Linux 发布版
flutter build linux

Web 版本

本地开发

# 安装依赖
flutter pub get

# 本地运行 Web 版本
flutter run -d chrome
# 或指定端口
flutter run -d chrome --web-port 8080
# 或以 Web 服务器模式运行,供其他浏览器访问。
flutter run -d web-server

构建 Web 版本

# 构建生产版本
flutter build web

# 带基础路径构建(用于部署到子目录)
flutter build web --base-href /chatmcp/

部署到 GitHub Pages

# 1. 构建 Web 版本
flutter build web --base-href /chatmcp/

# 2. 将 build/web 目录内容推送到 gh-pages 分支
# 或使用 GitHub Actions 进行自动部署

构建完成后,文件将位于 build/web 目录中,可部署到任何静态网站托管服务。

功能特性

  • 与 MCP 服务器聊天
  • MCP 服务器市场
  • 自动安装 MCP 服务器
  • 支持 SSE MCP 传输
  • 自动选择 MCP 服务器
  • 聊天历史
  • OpenAI LLM 模型
  • Claude LLM 模型
  • OLLama LLM 模型
  • DeepSeek LLM 模型
  • RAG
  • 更好的 UI 设计
  • 黑色/白色主题

欢迎提交所有功能建议,您可以在 Issues 中提出您的想法或报告问题。

MCP 服务器市场

您可以从 MCP 服务器市场安装 MCP 服务器。MCP 服务器市场是一个 MCP 服务器的集合,您可以使用它与不同的数据源进行聊天。

请先 fork mcp_server_market,然后在文件末尾的 mcp_server_market.json 中添加您的 MCP 服务器。

{
    "mcpServers": {
        "existing-mcp-servers": {},
        "your-mcp-server": {
              "command": "uvx",
              "args": [
                  "--from",
                  "git+https://github.com/username/your-mcp-server",
                  "your-mcp-server"
            ]
        }
    }
}

随后,您可以向 mcp_server_market 仓库发送 Pull Request,以将您的 MCP 服务器加入市场。PR 合并后,您的 MCP 服务器将立即对其他用户开放。

您的反馈有助于我们改进 chatmcp,并帮助其他用户做出明智的决策。

致谢

许可证

本项目采用 Apache License 2.0 许可。

星标历史

版本历史

v0.0.762025/08/25
v0.0.742025/08/20
v0.0.732025/08/10
v0.0.722025/08/08
v0.0.712025/07/12
v0.0.702025/06/28
v0.0.692025/06/26
v0.0.682025/06/22
v0.0.662025/06/17
v0.0.652025/06/16
v0.0.642025/06/15
v0.0.632025/06/14
v0.0.622025/06/05
v0.0.612025/06/05
v0.0.602025/06/05
v0.0.592025/06/03
v0.0.582025/06/03
v0.0.572025/05/29
v0.0.532025/05/28
v0.0.522025/05/28

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|1周前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

155.4k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.3k|★★☆☆☆|4天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|5天前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|1周前
插件开发框架