Open Brain Server

开放大脑

图形结构的MCP存储器。 LongMemEval基线为37.2% --大多数内存系统不会发布基准测试。

用于MCP客户端（Claude、ChatGPT、任何讲MCP的助手）的自托管内存服务器。思想从电报、管道或直接捕获中流入，并落在纽曼IDF加权实体图中，而不是平面文档存储中。一个自动化的Dream循环在后台运行：重复数据删除、跟踪主题漂移、跨集群综合见解以及归档过时内容。17个MCP工具。PostgreSQL+pgvector。你拥有自己的数据。

运作原理

flowchart LR
    TG[Telegram Message] --> TGBot[telegram-bot\nEdge Function]
    MCP[AI Client\nClaude/ChatGPT] --> MCPServer[open-brain-mcp\nEdge Function]
    Pipeline[RSS/HF Papers/\nEmergent Mind] --> RunPipeline[run-pipeline\nEdge Function]
    TGBot --> OR1[OpenRouter\nEmbedding + Metadata]
    MCPServer --> OR2[OpenRouter\nEmbedding + Search]
    RunPipeline --> OR3[OpenRouter\nTriage + Embed]
    OR1 --> DB[(Postgres\n+ pgvector)]
    OR2 --> DB
    OR3 --> DB
    MCPServer --> DB
    TGBot --> TGReply[Telegram Reply\nwith Metadata]

捕获路径

当你向Telegram机器人发送消息时 电报机器人 边缘功能通过webhook获取它。它并行地将消息发送到OpenRouter，用于两件事：生成向量嵌入（意义的数字表示）和提取元数据，如主题、提到的人、动作项、主题、质量分数和命名实体。该想法会被检查是否存在语义重复，并存储在您的数据库中，与相关想法自动链接连接，机器人会回复它捕获的内容摘要。

管道路径

这 运行管道 Edge功能会自动从RSS提要（人工智能通讯）、Hugging Face日报和Emergent Mind（热门arXiv论文）中获取想法。对每个项目进行相关性分类、嵌入、重复数据消除和存储。通过GitHub Actions（Supabase部署）或内置的cron容器（Docker部署）按计划运行。

检索路径

任何通过MCP（模型上下文协议）连接的AI客户端都可以使用语义搜索按意义搜索你的想法，按过滤器（类型、主题、人、时间）浏览，获取汇总统计数据，或请求每周对主题进行审查。这 开放脑mcp 边缘功能处理这些请求，并使用您的个人访问密钥进行身份验证。

知识图谱

每一个想法都会通过向量相似性自动链接到相关的想法。相似度超过0.80的连接被LLM分类为类型关系（扩展、矛盾、证明、取代）。命名实体（人员、工具、项目、组织）被提取并解析为共享实体图。共现边缘跟踪随着时间的推移哪些想法被一起检索，加强基于实际使用模式的联系。

存储

一切都存在于Postgres中，使用pgvector进行快速相似性搜索。思想与其嵌入（1536维向量）、元数据、类型化连接和实体引用一起存储。您可以使用Docker Compose在Supabase（托管主机）或自主机上进行部署。

部署选项

选择你想如何运行Open Brain：

Supabase部署

先决条件

1. Supabase账户 --Supabase是一个托管的Postgres数据库，具有内置API、身份验证和边缘函数（无服务器代码）。在以下网址创建免费帐户 网站 supabase.com.创建一个新项目--您将需要 项目Url （看起来像 https://abcdef.supabase.co)以及 服务角色密钥 （在“设置”>“API”下找到一个长字符串）。

1. Supabase命令行界面 --用于管理Supabase项目的命令行工具（应用数据库迁移、部署函数、设置机密）。

   npm install -g supabase

1. OpenRouter帐户 --OpenRouter将请求路由到AI模型。它在这里用于生成嵌入（思想的矢量表示）和提取元数据。在以下网址创建帐户 openrouter.ai 并从仪表板生成API密钥。

1. 电报机器人 （推荐）——在旅途中捕捉想法的主要方式。通过以下方式创建机器人 @植物学家 在Telegram上运行安装脚本（见下文）。如果您只想访问MCP，可以跳过此步骤。

快速开始

1.克隆存储库

git clone https://github.com/YOUR_USERNAME/open_brain.git
cd open_brain

2.链接您的Supabase项目

cd supabase
supabase link --project-ref YOUR_PROJECT_REF
cd ..

提示： 您的项目参考是您的Supabase URL中的子域。如果您的URL是 https://abcdef.supabase.co，您的项目参考号为 abcdef.

3.运行引导程序

./scripts/bootstrap.sh

Bootstrap引导您设置环境。它提示每个秘密（Subabase URL、服务角色密钥、OpenRouter API密钥、Telegram令牌等），自动生成加密MCP访问密钥，并将所有内容写入 .env.local如果你已经有了 .env.local，它将显示您现有的值，并允许您更新特定的值。

4.运行部署

./scripts/deploy.sh

Deploy应用数据库模式（创建带有向量搜索索引的思想表），将您的秘密上传到Supabase，并部署所有边缘功能。它显示了每个操作完成时的分步检查表。最后，它会打印您的MCP连接URL和一个准备粘贴的Claude Code命令。

5.运行验证

./scripts/validate.sh

Validate对您的实时部署运行8次检查，以确认一切正常：数据库访问、RPC功能、边缘功能可达性、身份验证、思想捕获、语义搜索和思想列表。它打印了一份检查表，其中包含每次检查的通过/失败以及最终总结。

设置Telegram机器人（可选）

通过以下方式创建机器人 @植物学家 在Telegram上，然后运行安装脚本：

./scripts/setup-telegram.sh YOUR_BOT_TOKEN

该脚本验证您的令牌，注册webhook，设置命令自动补全，并打印要配置的env变量和机密。按照打印的说明完成设置。

连接您的AI客户端

部署后，连接您的AI客户端以开始使用Open Brain。您需要两个值：

• MCP端点URL: https://YOUR_REF.supabase.co/functions/v1/open-brain-mcp/mcp （Supabase）或 http://localhost:80/functions/v1/open-brain-mcp （Docker）
• MCP访问密钥： 设置过程中生成的密钥（存储在 .env.local 或Docker .env)

提示： 部署脚本（Supabase）或启动脚本（Docker）会打印出与您填写的值完全一致的连接命令。

克劳德代码（CLI——推荐）

claude mcp add --transport http --header "x-brain-key: YOUR_MCP_KEY" open-brain https://YOUR_REF.supabase.co/functions/v1/open-brain-mcp/mcp

这将Open Brain注册为MCP服务器，Claude Code可以在任何对话中使用。替换 YOUR_MCP_KEY 和 YOUR_REF 与你的实际价值观。

克劳德代码（project.mcp.json）

将此添加到 .mcp.json 在项目根目录中创建文件，与团队共享连接：

{
  "mcpServers": {
    "open-brain": {
      "type": "http",
      "url": "https://YOUR_REF.supabase.co/functions/v1/open-brain-mcp/mcp",
      "headers": {
        "x-brain-key": "${MCP_ACCESS_KEY}"
      }
    }
  }
}

注： 这 ${MCP_ACCESS_KEY} 语法使用环境变量扩展，因此您的键不受版本控制。设置 MCP_ACCESS_KEY 使用此配置的每台机器上的环境变量。

克劳德桌面版

Claude Desktop不支持通过配置文件远程MCP服务器。相反：

1. 打开 克劳德桌面版 > 设置 > 连接器
2. 点击 添加新连接器
3. 输入MCP端点URL： https://YOUR_REF.supabase.co/functions/v1/open-brain-mcp/mcp
4. 配置 x-brain-key 带有MCP访问密钥的身份验证标头

ChatGPT（专业版/团队版/企业版/教育版）

1. 首选 设置 > 连接器 > 高级 > 开发者模式
2. 添加MCP服务器URL： https://YOUR_REF.supabase.co/functions/v1/open-brain-mcp/mcp
3. 配置 x-brain-key 带有MCP访问密钥的身份验证标头

使用示例

电报捕获

向您的机器人发送任何消息，Open Brain会自动处理：

You: Just had a great meeting with Sarah about the Q3 product roadmap.
     She wants to prioritize the mobile app redesign.

Bot: Captured!
  Type: meeting_note
  Theme: personal
  Topics: q3-roadmap, mobile-app-redesign
  Quality: 0.7
  People: Sarah
  Action items: Prioritize mobile app redesign
  Why: Records a product strategy decision with clear ownership
  Related: "Product planning session notes..." (82% similar)

每条消息都被嵌入为一个向量，用提取的元数据进行丰富，检查重复项，自动链接到相关想法，并将实体解析为知识图。

语义搜索

让任何连接的AI客户端搜索你的大脑：

You: Search my brain for anything about product roadmap discussions

Claude: I found 3 relevant thoughts:
  1. (0.89 similarity) Meeting with Sarah about Q3 product roadmap...
  2. (0.82 similarity) Product planning session notes...
  3. (0.76 similarity) Quarterly goals discussion...

语义搜索通过意义找到想法——即使你使用了不同的单词。询问“产品规划”会发现关于“路线图讨论”的想法，因为它们的含义是相似的。

每周回顾

获取人工智能生成的您最近思考的摘要：

You: Give me a weekly review of my recent thoughts

Claude: Here's your weekly review:
  Themes: Product planning, team meetings, technical architecture
  Open loops: Mobile redesign decision pending, API migration timeline
  Connections: Sarah mentioned in 3 meetings this week, all about mobile

每周回顾分析过去7天的想法，并综合主题、开放循环、想法之间的联系以及你思维中的差距。

可用工具

看 docs/cookbook.md 详细的使用模式、工具组合和不明显的行为。

技能（Claude代码工作流）

开放大脑包括 克劳德代码 技能——结构化的多阶段工作流程，将上述MCP工具组合成更高层次的分析。技能是自动发现的 .claude/skills/ 并作为斜线命令调用。

看 docs/skills/README.md 详细说明和用法。

自动化维护

Open Brain运行后台维护以保持知识图谱的健康。这些作业会自动运行——通过GitHub Actions（Supabase部署）或内置的cron容器（Docker部署）。

GitHub Actions工作流文件包含在 docs/workflows/ 作为定制时间表的参考。

项目结构

open-brain-server/
  supabase/
    migrations/                   # Database migrations (applied with supabase db push)
    functions/
      _shared/                    # Shared modules (supabase-client, openrouter, types, errors, auto-link, entities, dream-*)
      telegram-bot/               # Telegram capture (primary capture path)
      open-brain-mcp/             # MCP server (17 tools)
        tools/                    # Individual tool implementations
      run-pipeline/               # Automated RSS/HF Papers/Emergent Mind ingestion
      monitor-pipeline/           # Pipeline health monitoring with Telegram alerts
      refresh-graph-analysis/     # Graph analysis cache computation
  docker/                         # Docker Compose self-hosting (6 services)
  pipeline/                       # Python-based local pipeline (Reddit, RSS, briefing)
  scripts/                        # Setup and deployment automation
  tests/                          # Integration tests
  docs/
    cookbook.md                    # MCP tool usage patterns and compositions
    skills/                       # Skill documentation
    workflows/                    # GitHub Actions reference (scheduling)
    writing-a-source.md           # Guide for adding pipeline sources
  .claude/
    skills/                       # Claude Code skills (auto-discovered)
      discover/                   # Incremental pattern discovery
      pulse/                      # Pipeline health report
      brain-health/               # Knowledge graph health report

许可证

麻省理工学院