什么是 DivLens MCP？

DivLens MCP 是一个使用 Rust 编写的高性能模型上下文协议 (MCP) 服务器。

它架起了 AI 助手与你的机器之间的桥梁 —— 让 Claude、Cursor、Windsurf 以及任何其他兼容 MCP 的智能体能够实时、结构化地访问硬件传感器、存储指标、网络诊断、进程树、开发运行时、系统日志等信息。

无需云端。无需 API 密钥。无需配置。只需构建并运行即可。

"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 种诊断工具

分类	工具	返回内容
⚡ 性能	`get_live_metrics`	CPU 使用率、内存、交换空间、阻塞进程、运行时间
⚡ 性能	`get_process_list`	按 CPU/内存排序的顶级进程及 PID
💾 存储	`get_storage_health`	每个挂载点的空闲/已用/总空间
💾 存储	`scan_storage_inventory`	包含大小的完整文件类型清单
💾 存储	`get_file_type_summary`	按扩展名分类的文件数量和大小
💾 存储	`get_specific_file_type`	所有匹配特定扩展名的文件
💾 存储	`get_advanced_storage_stats`	前 50 个最大文件 + 陈旧数据分析
💾 存储	`get_storage_diagnostics`	IOPS、读写延迟、SMART 状态
🖥️ 硬件	`get_hardware_diagnostics`	CPU/GPU 规格、电池百分比、温度、SMART
🌐 网络	`get_network_diagnostics`	吞吐量、活动连接、信号强度
🌐 网络	`get_network_config`	每个适配器的 IP、DNS、接口配置
🔬 身份	`get_system_dna`	操作系统、主机名、运行时间、机器指纹
🛠️ 开发栈	`get_dev_stack`	Node、Python、Rust、Go、Java 运行时及包
🛠️ 开发栈	`get_drivers`	内核模块和设备驱动程序
📂 工具	`scan_directory`	递归目录列表及大小
🧠 记忆	`recall_memory`	对过往 AI 诊断结果进行语义搜索
📋 日志	`get_system_logs`	按模式聚类的近期操作系统/内核错误

🚀 安装 — 一条命令，适用于任何平台

无需 Rust。无需编译。无需手动编辑配置。 安装程序会自动下载预构建的二进制文件并配置你的 AI 客户端。

macOS 和 Linux

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

Windows (PowerShell — 无需管理员权限)

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

安装程序将：

✅ 检测你的操作系统和芯片架构（Apple Silicon / Intel / Linux / Windows）
✅ 从 GitHub Releases 下载正确的预构建二进制文件
✅ 验证 SHA-256 校验和
✅ 安装到你的 PATH 中，无需管理员权限
✅ 自动配置 Claude Desktop、Cursor、Windsurf 和 Antigravity
✅ 在完成前测试服务器是否正常工作

然后只需重启你的 AI 客户端并询问 “现在是什么进程占用了我的 CPU？”

从源码构建（高级）

需要 Rust 1.82+。

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

连接到你的 AI

Claude Desktop

配置文件：~/Library/Application Support/Claude/claude_desktop_config.json (macOS) 或 %APPDATA%\Claude\claude_desktop_config.json (Windows)

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

退出并重启 Claude Desktop。看到 🔌 插头图标即表示连接成功。

Cursor

配置文件：~/.cursor/mcp.json

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

Cmd+Shift+P → Reload Window (重新加载窗口)

Windsurf

配置文件：~/.codeium/windsurf/mcp_config.json

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

有关完整的设置详情，请参阅 DEPLOYMENT.md。

工作原理

  ┌─────────────────────────────────────────┐
  │   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.

传输： 每个 MCP 消息都是通过 stdio 传输的换行符分隔的 JSON-RPC 2.0 对象。 AI 逻辑： DivLens 从不运行 LLM 推理 —— 它仅收集并返回原始系统数据。 隐私： 所有数据都保留在你的机器上。不会发送到任何地方。

项目结构

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

可选：语义记忆

启用 vector-memory 功能，通过本地 ONNX 嵌入模型为 recall_memory 提供真正的语义搜索（无需云端，无需 API 密钥）：

cargo build --release --features vector-memory

启用后，DivLens 会创建一个本地 LanceDB 向量存储，并使用 fastembed 对过往诊断进行语义嵌入和检索。

禁用时（默认），recall_memory 将返回空列表 —— 不会影响其他功能。

验证服务器

在没有客户端的情况下测试 MCP 有线协议：

# 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

许可证

采用 Apache License, Version 2.0 许可。请参阅 LICENSE 获取全文。

DivLens MCP