项目介绍
📋 MCP 工作历史服务器
🤖 一个模型上下文协议（MCP）服务器，允许AI工具将其活动记录到每日工作日志文件中，并详细跟踪工具名称、AI模型和时间戳。
✨ 特性
- 🕐 精确的时间戳 - 活动以HH:MM格式记录
- 🔧 工具跟踪 - 记录哪个AI工具执行了操作
- 🧠 模型跟踪 - 跟踪使用了哪个AI模型（例如，gemini-2.5-pro, claude-3-sonnet）
- 📊 全面的指标 - 记录令牌使用量、上下文长度、持续时间和成本
- 🏷️ 标签系统 - 使用自定义标签对活动进行分类
- ✅❌ 成功/失败跟踪 - 记录成功的操作和错误
- 📁 每日组织 - 为每一天创建单独的markdown文件
- 📝 整洁的格式 - 以项目符号形式记录条目，便于扫描
- 🎯 兼容MCP - 与任何启用MCP的AI客户端兼容
🚀 安装
npm install
🎮 使用
启动MCP服务器：
npm start
或者在开发模式下运行并自动重启：
npm run dev
🛠️ MCP 工具
该服务器提供了一个工具：
log_activity
将AI工具的活动记录到当天的工作日志文件中，格式简洁且易于扫描。
参数：
必需：
tool_name(字符串)：AI工具的名称（例如，“Warp”，“Claude Code”，“GitHub Copilot”）log_message(字符串)：完成工作的详细描述
可选：
ai_model(字符串)：使用的AI模型（例如，“gemini-2.5-pro”，“claude-3-sonnet”，“gpt-4”）tokens_used(数字)：请求中消耗的总令牌数input_tokens(数字)：使用的输入令牌数（替代tokens_used）output_tokens(数字)：生成的输出令牌数（替代tokens_used）context_length(数字)：使用的上下文窗口长度（以千计）duration_ms(数字)：操作的持续时间（毫秒）cost_usd(数字)：估算的成本（美元）success(布尔值)：操作是否成功（默认为true）error_message(字符串)：如果操作失败，则记录错误信息tags(数组)：用于对活动进行分类的标签（例如，["coding", "debugging", "refactoring"]）
示例日志条目：
# 📝 工作日志 - 2024-01-15
- ✅ 08:31 - Warp (gemini-2.5-pro): 将认证模块重构为使用JWT令牌 (1250令牌 | 8k上下文 | 2.3秒 | $0.0043 | [重构, 认证])
- ✅ 09:15 - Claude Code (claude-3-sonnet): 解决数据库连接池问题 (850→320令牌 | 1.1秒 | $0.0021)
- ❌ 10:42 - GitHub Copilot (gpt-4): 尝试实现用户配置文件端点 (❌超时错误 | [编码, API])
- ✅ 11:30 - Warp: 快速代码审查和建议 (500令牌 | 0.8秒)
📂 日志文件结构
日志存储在logs/目录中，命名模式为worklog-YYYY-MM-DD.md。
每个日志文件包含：
- 📝 带有emoji的日期标题
- 🕐 时间戳的项目符号条目
- 🔧 工具名称和AI模型信息
- 📋 简洁的活动描述
⚙️ MCP 配置
对于Warp AI
将此服务器添加到您的Warp MCP配置中：
{
"mcp-work-history": {
"command": "node",
"args": ["/Users/your-username/path/to/mcp-work-history/src/index.js"],
"env": {},
"working_directory": null,
"start_on_launch": true
}
}
对于Claude Desktop
添加到您的claude_desktop_config.json：
{
"mcpServers": {
"work-history": {
"command": "node",
"args": ["/absolute/path/to/mcp-work-history/src/index.js"]
}
}
}
在AI工具中的示例用法
一旦配置好，AI工具可以像这样记录它们的活动：
基本用法：
log_activity({
tool_name: "Warp",
log_message: "创建了用于用户仪表板的React组件"
})
带有全面指标：
log_activity({
tool_name: "Warp",
ai_model: "gemini-2.5-pro",
log_message: "将认证系统重构为集成OAuth",
tokens_used: 1250,
context_length: 8,
duration_ms: 2300,
cost_usd: 0.0043,
success: true,
tags: ["重构", "认证", "OAuth"]
})
错误记录：
log_activity({
tool_name: "GitHub Copilot",
ai_model: "gpt-4",
log_message: "尝试实现用户配置文件端点",
input_tokens: 800,
output_tokens: 0,
success: false,
error_message: "超时错误",
tags: ["编码", "API"]
})
🗂️ 项目结构
mcp-work-history/
├── 📄 src/index.js # 主MCP服务器代码
├── 📁 logs/ # 每日工作日志文件（自动创建）
│ ├── worklog-2024-01-15.md
│ └── worklog-2024-01-16.md
├── 📦 package.json # 依赖项和脚本
├── 🚫 .gitignore # Git忽略规则
└── 📋 README.md # 此文件
🤝 贡献
- 分叉仓库
- 创建功能分支 (
git checkout -b feature/amazing-feature) - 提交更改 (
git commit -m '添加一些惊人的功能') - 推送到分支 (
git push origin feature/amazing-feature) - 打开拉取请求
🎯 实际案例：Warp AI 集成
这是如何在Warp AI中设置自动活动记录：
第一步：在Warp中配置MCP服务器
将以下内容添加到您的Warp MCP配置中：
{
"mcp-work-history": {
"command": "node",
"args": ["/Users/nocoo/Workspace/mcp-work-history/src/index.js"],
"env": {},
"working_directory": null,
"start_on_launch": true
}
}
第二步：向Warp添加日志规则
通过以下规则配置Warp以自动记录AI活动：
规则："当AI任务完成后，使用mcp-work-history记录此次AI任务详情。发送AI工具名称（Warp），使用的模型，详细时间，以及此次任务和结果的简要总结。"
第三步：查看效果
截图显示MCP工作历史服务器自动记录Warp中的AI活动
记录的内容
有了这个设置，Warp中的每次AI交互都会自动创建如下条目：
# 📝 工作日志 - 2024-12-06
- ✅ 14:32 - Warp (gemini-2.5-pro): 将React组件重构为使用自定义钩子管理状态 (1240令牌 | 4.2秒 | [重构, React])
- ✅ 14:45 - Warp (gemini-2.5-pro): 修复认证模块中的TypeScript类型错误 (890令牌 | 2.1秒 | [修复, TypeScript])
- ✅ 15:10 - Warp (gemini-2.5-pro): 为用户服务添加全面的单元测试 (1560令牌 | 3.8秒 | [测试, 单元测试])
优点
- 📊 自动跟踪 - 不需要手动记录
- 🔍 详细的洞察 - 跟踪令牌使用量、性能和成本
- 📈 进度监控 - 查看每天的编码成就
- 🏷️ 活动分类 - 使用标签组织工作
- 💰 成本跟踪 - 监控随时间变化的AI使用成本
📄 许可证
MIT许可证 - 详情见LICENSE文件。