chatmcp
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
- Linux
- macOS
- Windows
未说明
未说明

快速开始
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。 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

数据同步
ChatMCP 应用程序可以在同一局域网内同步数据

使用方法
请确保您的系统中已安装 uvx 或 npx
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
- Ubuntu 22.04:
- 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-drivers、mesa-utils(用于 glxinfo 等诊断工具)
- 在“设置”页面中配置您的 LLM API 密钥和端点
- 从“MCP 服务器”页面安装 MCP 服务器
- 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。
- 您也可以向市场添加新的 MCP 服务器:MCP 服务器市场
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
v0.0.762025/08/25v0.0.742025/08/20v0.0.732025/08/10v0.0.722025/08/08v0.0.712025/07/12v0.0.702025/06/28v0.0.692025/06/26v0.0.682025/06/22v0.0.662025/06/17v0.0.652025/06/16v0.0.642025/06/15v0.0.632025/06/14v0.0.622025/06/05v0.0.612025/06/05v0.0.602025/06/05v0.0.592025/06/03v0.0.582025/06/03v0.0.572025/05/29v0.0.532025/05/28v0.0.522025/05/28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
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。
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
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。
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。
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