Что такое DivLens MCP?

DivLens MCP — это высокопроизводительный сервер Model Context Protocol (MCP), написанный на Rust.

Он устраняет разрыв между ИИ-ассистентами и вашим компьютером, предоставляя Claude, Cursor, Windsurf и любому другому агенту с поддержкой MCP живой, структурированный доступ к аппаратным датчикам, метрикам хранилища, сетевой диагностике, дереву процессов, средам разработки, системным логам и многому другому.

Никаких облаков. Никаких API-ключей. Никакой настройки. Просто установите и запустите.

"Why is my Mac slow?" → Claude calls get_live_metrics() → Instant answer.
"Is my SSD healthy?"  → Claude calls get_hardware_diagnostics() → SMART data returned.
"What's eating disk?"  → Claude calls get_advanced_storage_stats() → Largest files listed.

✦ 17 инструментов диагностики

Категория	Инструмент	Что возвращает
⚡ Производительность	`get_live_metrics`	% CPU, RAM, swap, заблокированные процессы, время работы
⚡ Производительность	`get_process_list`	Топ процессов по CPU / RAM с PID
💾 Хранилище	`get_storage_health`	Свободное/занятое/общее место по точкам монтирования
💾 Хранилище	`scan_storage_inventory`	Полная инвентаризация типов файлов с размерами
💾 Хранилище	`get_file_type_summary`	Количество и размеры файлов по расширениям
💾 Хранилище	`get_specific_file_type`	Все файлы, соответствующие определенному расширению
💾 Хранилище	`get_advanced_storage_stats`	Топ-50 самых больших файлов + анализ устаревших данных
💾 Хранилище	`get_storage_diagnostics`	IOPS, задержка чтения/записи, статус SMART
🖥️ Оборудование	`get_hardware_diagnostics`	Характеристики CPU/GPU, % заряда батареи, температуры, SMART
🌐 Сеть	`get_network_diagnostics`	Пропускная способность, активные соединения, сигнал
🌐 Сеть	`get_network_config`	IP, DNS, конфигурация интерфейсов по адаптерам
🔬 Идентификация	`get_system_dna`	ОС, имя хоста, время работы, отпечаток машины
🛠️ Стек разработки	`get_dev_stack`	Среды Node, Python, Rust, Go, Java + пакеты
🛠️ Стек разработки	`get_drivers`	Модули ядра и драйверы устройств
📂 Утилиты	`scan_directory`	Рекурсивный список директорий с размерами
🧠 Память	`recall_memory`	Семантический поиск по прошлым диагнозам ИИ
📋 Логи	`get_system_logs`	Недавние ошибки ОС/ядра, сгруппированные по шаблонам

🚀 Установка — одна команда, любая платформа

Rust не требуется. Компиляция не нужна. Ручное редактирование конфигов не требуется. Установщик загружает предварительно скомпилированный бинарный файл и автоматически настраивает ваши ИИ-клиенты.

macOS и Linux

curl -fsSL https://raw.githubusercontent.com/Lohithry/divlens-mcp/main/install.sh | bash

Windows (PowerShell — права администратора не требуются)

irm https://raw.githubusercontent.com/Lohithry/divlens-mcp/main/install.ps1 | iex

Установщик выполнит следующие действия:

✅ Определит вашу ОС и архитектуру (Apple Silicon / Intel / Linux / Windows)
✅ Загрузит нужный бинарный файл из GitHub Releases
✅ Проверит контрольную сумму SHA-256
✅ Установит в PATH без необходимости прав администратора
✅ Автоматически настроит Claude Desktop, Cursor, Windsurf и Antigravity
✅ Протестирует работу сервера перед завершением

Затем просто перезапустите ваш ИИ-клиент и спросите: "Что сейчас нагружает мой процессор?"

Сборка из исходного кода (для продвинутых пользователей)

Требуется Rust версии 1.82+.

git clone https://github.com/Lohithry/divlens-mcp.git
cd divlens-mcp/apps/core
cargo build --release
./target/release/divlens-core --mcp

Подключение к вашему ИИ

Claude Desktop

Файл конфигурации: ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) или %APPDATA%\Claude\claude_desktop_config.json (Windows)

{
  "mcpServers": {
    "divlens": {
      "command": "/usr/local/bin/divlens-core",
      "args": ["--mcp"]
    }
  }
}

Закройте и перезапустите Claude Desktop. Значок 🔌 подтвердит подключение.

Cursor

Файл конфигурации: ~/.cursor/mcp.json

{
  "mcpServers": {
    "divlens": {
      "command": "/usr/local/bin/divlens-core",
      "args": ["--mcp"]
    }
  }
}

Cmd+Shift+P → Reload Window

Windsurf

Файл конфигурации: ~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "divlens": {
      "command": "/usr/local/bin/divlens-core",
      "args": ["--mcp"]
    }
  }
}

Для получения подробной информации по настройке см. DEPLOYMENT.md.

Как это работает

  ┌─────────────────────────────────────────┐
  │   AI Client  (Claude / Cursor / etc.)   │
  │         LLM reasoning lives here        │
  └──────────────────┬──────────────────────┘
                     │  JSON-RPC 2.0  (stdio)
                     ▼
  ┌─────────────────────────────────────────┐
  │          divlens-core  (Rust)           │
  │                                         │
  │  ┌───────────────┐  ┌───────────────┐   │
  │  │  MCP Layer    │  │  17 Tools     │   │
  │  │  (JSON-RPC)   │  │  (Rust + OS)  │   │
  │  └───────────────┘  └───────────────┘   │
  │  ┌───────────────┐  ┌───────────────┐   │
  │  │  SQLite Cache │  │  Native APIs  │   │
  │  │  (sysinfo/OS) │  │  (IOKit/WMI)  │   │
  │  └───────────────┘  └───────────────┘   │
  └─────────────────────────────────────────┘

      Zero cloud.  Zero API keys.  100% local.

Транспорт: Каждое сообщение MCP — это JSON-RPC 2.0 объект, разделенный символом новой строки, передаваемый через stdio. Логика ИИ: DivLens никогда не выполняет инференс LLM — он только собирает и возвращает необработанные системные данные. Конфиденциальность: Все данные остаются на вашем компьютере. Ничего никуда не отправляется.

Структура проекта

divlens-mcp/
└── apps/
    └── core/                      # Rust MCP engine
        ├── src/
        │   ├── tools/             # 17 tool implementations
        │   ├── mcp/               # JSON-RPC 2.0 protocol handler
        │   ├── mcp_server.rs      # stdio transport loop
        │   ├── collectors/        # Native OS data collectors
        │   │   ├── volatile/      # CPU, RAM, network (live)
        │   │   ├── persistent/    # Storage, hardware (cached)
        │   │   └── ondemand/      # Drivers, logs, packages
        │   ├── modules/           # Core business logic
        │   ├── db/                # SQLite caching layer
        │   ├── models/            # Shared data types
        │   └── utils/             # Shell env rehydration
        ├── Cargo.toml
        └── env.example

Опционально: Семантическая память

Включите функцию vector-memory, чтобы дать recall_memory возможность полноценного семантического поиска с использованием локальной модели эмбеддингов ONNX (без облака, без API-ключей):

cargo build --release --features vector-memory

При включении DivLens создает локальное векторное хранилище LanceDB и использует fastembed для семантического встраивания и извлечения прошлых диагнозов.

Если функция отключена (по умолчанию), recall_memory возвращает пустой список — функциональность не нарушается.

Проверка сервера

Протестируйте протокол MCP без клиента:

# Initialize handshake
echo '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","clientInfo":{"name":"test","version":"0.1"}}}' \
  | divlens-core --mcp

# Call a tool directly
echo '{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"get_live_metrics","arguments":{}}}' \
  | divlens-core --mcp

Лицензия

Лицензировано под Apache License, Version 2.0. См. LICENSE для получения полного текста.

DivLens MCP