Skip to main content
Glama

ConnectR

一个为所有 AI 编码代理提供共享大脑的工具。

ConnectR 是一个本地 MCP 服务器,为 Claude Code、Codex、Cursor、Kiro、Gemini CLI 和 Antigravity 提供一个协调的单一场所:一个任务板、一个记忆和咨询性文件声明——这样多个代理可以同时在同一仓库上工作,而不会重复工作或互相覆盖。

Claude Code ─┐                       ┌─ shared ticket board
   Codex ────┤──▶ connectr MCP server ─┼─ shared facts/decisions memory
  Cursor ────┤      (one JSON store)   └─ advisory file claims
Kiro/Gemini ─┘        Antigravity ──┘

为什么

在同一仓库上运行两个编码代理,它们就会发生冲突:两者都编辑相同的文件,两者都重做相同的任务,而且彼此都不知道对方学到了什么。ConnectR 通过共享状态而非共享进程来解决这个问题——每个代理都通过它已经会说的 MCP 工具连接到同一个微型存储。

协议(由 connectr init 注入到每个工具的指令文件中):

  1. 开始前检查 — 使用 board_view + recall 查看未完成的工作和之前的决策

  2. 构建前声明 — 在 ticket_claim 成功之前不写代码;活跃的所有者会阻止重复声明

  3. 记住重要的事情 — 通过 remember 记录事实、决策和经验教训(错误 → 根本原因 → 修复),并可通过 recall 搜索;近似重复会被拒绝,每次 whoami 都会显示最新的经验教训,这样就不会有代理重复犯另一个代理已经付出代价的错误

  4. 宣布你的编辑claim_files 警告其他活跃代理远离你的路径

  5. 用证据关闭 — 通过 ticket_update 提供测试输出/提交 SHA,然后 ticket_close + 解决方案

Related MCP server: mcp-coordinator

安装与使用

npm install -g connectr-mcp

开始一个全新项目?让 ConnectR 来组织这场交响乐:

connectr new my-app --plan brief.md   # folder + PLAN.md + suggested tools, one brain

new 会读取你的计划,检测已安装的工具,并建议这个项目需要哪些工具——按领域匹配的调度 CLI(后端→claude-code,脚本→codex,文档→gemini)以及已安装的 IDE(Cursor/Kiro/Antigravity)作为参与者通过 MCP 加入。确认或覆盖(--tools claude-code,codex),它只会连接这些工具,将计划保存到每个被调度代理的提示中,并生成票 #1:"将 PLAN.md 分解为票" — 运行它,看板就会自动填充。

在由多个代理处理的现有项目中:

connectr init          # wires project-scope configs: .mcp.json (Claude Code),
                       # .cursor/mcp.json, .kiro/settings/mcp.json,
                       # CLAUDE.md / AGENTS.md / GEMINI.md protocol blocks,
                       # Cursor rules + Kiro steering docs
connectr init --global # also wires Codex (~/.codex/config.toml),
                       # Gemini CLI (~/.gemini/settings.json),
                       # Antigravity (~/.gemini/antigravity-ide/mcp_config.json)
connectr doctor        # verify wiring
connectr plan "add JWT auth, tests for it, and update the docs"   # describe an outcome
connectr plan "..." --run                                # ...and dispatch what it plans
connectr task add "fix the auth flow"                    # auto-routed to the best tool
connectr task add "migrate db" --tool codex --model gpt-5-codex   # manual tool + model
connectr run           # dispatch open tasks to their routed tools, in parallel
connectr routes        # learned routing: how past outcomes reshape where tasks go
connectr dash          # live TUI host: a add task · r dispatch · l tail run log · q quit
connectr ui            # the same host as a local web dashboard (http://127.0.0.1:4270)

connectr ui 提供一个绑定到 localhost 的零依赖仪表板:票看板以看板列显示,实时代理,带经验教训徽章的共享记忆,文件声明和运行日志尾部——通过 SSE 实时更新。添加任务(使用相同的 @tool:model 语法)并从浏览器调度未完成的票;调度总是先显示计划和权限模式,并要求你确认。

connectr plan 是前门:你描述一个结果,ConnectR 将其作为规划票放在看板上并调度它。认领它的代理会读取你的仓库、看板和共享记忆,然后创建真正的票——标题设计得便于路由,并为另一个代理将构建的票发布契约。你永远不需要手动写票。在 Web 仪表板中,同样的操作是 Plan it 按钮(Enter);Add as one task(shift+Enter)是当你已经确切知道想要什么时的逃生舱。

在仪表板中,a 打开一个输入框 — title 自动路由,title @codex:gpt-5-codex 手动分配工具和模型。r 显示调度计划和权限模式;再次按 r 确认。代理以分离模式启动,因此即使你退出仪表板,它们也会继续工作。

账户与订阅

无需连接任何东西。 ConnectR 没有账户、没有 API 密钥、没有 OAuth、没有登录界面。它通过运行你已经安装的 CLI 作为子进程来调度工作——该子进程从你家目录中自己的位置读取自己的凭据:

工具

登录方式

凭据存储位置

Claude Code

claude

~/.claude/.credentials.json

Codex

codex login

~/.codex/auth.json

Gemini CLI

gemini

~/.gemini/oauth_creds.json

Cursor / Kiro / Antigravity

IDE 自身的登录

IDE 自身的存储

所以设置是:安装一个工具,像平常一样登录一次,完成。ConnectR 永远不会看到、存储或传输凭据——它唯一做的就是检查文件是否存在,以告诉你工具已就绪。

这也是为什么它在你已经支付的费用之上不额外收费:因为工作通过 CLI 运行,它计入你现有的 Claude Pro/Max、ChatGPT Plus 或 Google 订阅,而不是按 token 的 API 费用。

在调度前检查就绪状态:

connectr doctor
tools:
  [x] claude-code   dispatch     installed · signed in
  [x] codex         dispatch     installed · signed in
  [ ] gemini        dispatch     signed out - run: gemini
  [x] cursor        participant  joins the brain over MCP

一个声明没有凭据文件的工具会报告"无法检查登录状态",而不是猜测——如果工具将凭据保存在操作系统钥匙串中,ConnectR 会如实说明,而不是声称它无法验证的状态。

添加另一个编码工具

ConnectR 的工具是数据,不是代码。下面三个是内置的;你运行的其他任何东西都是 .connectr/config.jsontools 下的一个 JSON 对象——无需 fork、无需 PR、无需重新构建:

{
  "tools": [
    {
      "id": "opencode",
      "kind": "dispatch",
      "bin": "opencode",
      "args": ["opencode", "run", "{mode}", "{prompt}"],
      "modelArgs": ["--model", "{model}"],
      "modes": { "safe": [], "auto": [], "yolo": ["--yolo"] },
      "prompt": "arg"
    }
  ]
}

字段

含义

id

你路由到的目标:@opencode--tool opencode

kind

dispatch(ConnectR 启动它)或 participant(它通过 MCP 加入大脑,由人类驱动)

bin

在 PATH 上查找的可执行文件

args

命令模板。{cwd} {model} {prompt} {mode} 会被替换;{mode} 是权限标志所在的位置

modelArgs

仅在设置模型时添加——这就是让你的工具实现模型级路由的原因

modes

每个权限配置文件的标志;如果工具没有门控,将 safe/auto 留空

prompt

stdin(默认)将任务通过管道传给进程;arg 将其放入 {prompt}

authFile

相对于主目录的凭据文件,仅检查存在性,以便 doctor 告诉你工具是否已登录

signInHint

当这些凭据缺失时 doctor 建议的命令

一个 participant 条目只需要 idkindhomeDir(该文件夹的存在意味着已安装)——它会连接到共享大脑并出现在交响乐中。

给一个条目赋予内置工具的 id替换它,这就是你无需等待发布即可更改 ConnectR 已知工具标志的方式。

在信任新工具处理实际工作之前,先验证它:

connectr task add "cli/script: hello world" --tool opencode
connectr run --dry-run          # confirm it routes
connectr run                    # then read .connectr/runs/*.log

每个运行日志的第一行都是 ConnectR 生成的确切命令,所以错误的标志一眼就能看出来。这里只有 claude-codecodexgemini 是针对真实安装验证过的——将你找到的任何预设(包括上面的)视为在你自己的机器上检查的起点。

调度权限模式

被调度的代理在按项目配置的配置文件下运行(默认 auto——除非你明确指定,否则绝不使用 yolo):

connectr init --mode safe|auto|yolo    # saved to .connectr/config.json

模式

含义

claude-code

codex

gemini

safe

读取 + 计划 + 共享大脑;写入被阻止

--allowedTools mcp__connectr

--sandbox read-only

--approval-mode default

auto

允许编辑,其他一切保持门控

--permission-mode acceptEdits + 大脑访问

--full-auto

--approval-mode auto_edit

yolo

无门控(旧行为,现在为可选加入)

--dangerously-skip-permissions

--dangerously-bypass-approvals-and-sandbox

--approval-mode yolo

safe/auto 模式下,工具自身设置不允许的操作会直接失败,而不是提示——非交互式代理无法回答提示。如果你希望 auto 代理验证其工作,请在每个工具自己的设置中将项目特定的命令(如测试运行器等)加入白名单。

重启你的编码工具,以便它们获取新的 MCP 配置。然后只需告诉任何代理:

"使用 connectr:whoami,检查看板,认领一个票并开始。"

10 个 MCP 工具

工具

用途

whoami

注册身份;查看实时对等体 + 看板摘要

remember / recall

所有工具之间的共享记忆:kind = 事实 / 决策 / 经验教训(+fix),去重

路由是基于结果学习的,精确到模型。每个已关闭的票都会记录哪个工具——以及哪个模型,因为代理会报告它们的——完成了、失败了或丢失了哪类工作。当一个类别中有 3 个以上的结果时,表现优于静态规则的目标会接管,这可以是另一个工具或同一工具的另一个模型

◆ docs|readme|research|…
    rule says gemini · outcomes: gemini:gemini-2.5-pro 3w/0l · gemini:gemini-2.5-flash 1w/1l
    pick: gemini:gemini-2.5-pro  << LEARNED override

两个守卫确保其诚实:覆盖需要 3 个以上的结果,并且需要规则自身的工具确实被尝试过——否则"从未尝试"会被解读为"比第一个运行的更差",路由器就会僵化。connectr routes 显示整个表格及其证据。你的看板历史决定在你的项目中什么最擅长什么。 | ticket_create / ticket_claim / ticket_update / ticket_close | 工作协调;先声明后构建 | | board_view | 一目了然 | | claim_files / release_files | 咨询性锁,2 小时后自动过期 |

关闭票需要解决方案——completedduplicatewontfixalready_done——这样"已发布"与"结果证明不必要"就能区分开来。

工作原理

  • 存储<project>/.connectr/store.json — 人类可读的 JSON,默认被 gitignore。

  • 并发:跨进程锁文件(O_EXCL,10 秒后窃取过期锁)+ 原子临时重命名写入。能承受崩溃;过期的声明会自动清理。

  • 身份CONNECTR_AGENT 环境变量,否则使用 MCP 客户端的名称,否则使用 anon-<pid>

  • 传输:stdio — 这是列出的每个工具原生支持的唯一传输方式。没有守护进程,无需部署任何东西。

已验证矩阵

针对 Windows 上的真实安装验证的配置目标:

工具

配置连接方式

状态

Claude Code

.mcp.json + CLAUDE.md

端到端测试

Cursor

.cursor/mcp.json + 规则 .mdc

模式已验证

Kiro

.kiro/settings/mcp.json + 指导文档

模式已验证

Gemini CLI

~/.gemini/settings.json + GEMINI.md

模式已验证

Codex

[mcp_servers.connectr] TOML 追加

模式已验证

Antigravity

~/.gemini/antigravity-ide/mcp_config.json

模式已验证

init 是精准且幂等的:它只添加/更新自己的标记包裹块和自己的 connectr 条目——从不触碰其他服务器的条目或秘密。

开发

npm install
npm test        # vitest suite incl. two-process race test
npm run smoke   # drives two real MCP client sessions over stdio:
                # cross-process memory recall + live-ticket conflict refusal
npm run build && node dist/cli/index.js init --dry-run

许可证

MIT

A
license - permissive license
Not graded
quality - not tested
B
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • Coding agents from Claude Code, Cursor and Codex claim jobs and lock files on one shared board.

  • One shared brain for your AI coding agents: team memory, agent Q&A, tasks, and file claims.

  • The team layer for AI coding agents: shared contracts, collision alerts, E2EE sessions.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/JrKrishh/connectr'

If you have feedback or need assistance with the MCP directory API, please join our Discord server