How do I use D-Hub MCP Server?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@D-Hub MCP Server search shared memory for the PostgreSQL migration plan" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

D-Hub MCP Server

by DuanZGit

Overview Schema Related Servers Score Discussions

Python

Remote

D-Hub：多 Agent 统一协调层

一句话

D-Hub = 一个 Python 进程（:10101）+ 一个 PostgreSQL（:5432）。
记忆、Wiki、MCP、技能、文件、Agent 路由、Dashboard，全在一个进程里。

Dashboard：http://<服务器>:10101/ui。根地址会自动跳转到 Dashboard； deploy/install.sh 会生成 DHUB_ADMIN_KEY，仅供管理台和资产同步使用；运行期 Agent 使用注册时单独签发的密钥。

Agent 接入、原生 MCP 工具、资产 manifest 和提示词模板见 AGENT_INTEGRATION.md。可运行示例位于 examples/agent-assets。

Related MCP server: RoadBoard

设计原则

单进程：D-Hub 一个 Python 进程搞定所有协调
单数据库：PostgreSQL + pgvector 存储记忆和结构化数据
三级隔离：共识层（global）/ Agent 层（agents/）/ Project 层（projects/）
读时合并：MCP、Skills 配置每次请求实时合并，无缓存、无 cron
Wiki git 化：Markdown 文件 + 自动 commit，可回滚
非 Docker：原生 Python，systemd 管理
定时任务只做语义同步：记忆 ↔ Wiki 提炼（LLM 处理）

快速开始

1. 环境要求

Linux 服务器，建议 Ubuntu 24.04
Python 3.10+
PostgreSQL 16 + pgvector

2. 安装依赖

sudo apt update
sudo apt install -y postgresql postgresql-contrib postgresql-16-pgvector
sudo systemctl enable --now postgresql

3. 准备数据库

sudo -u postgres psql -c "CREATE DATABASE mem0;"
sudo -u postgres psql -d mem0 -c "CREATE EXTENSION IF NOT EXISTS vector;"
sudo -u postgres psql -c "CREATE USER mem0 WITH PASSWORD 'your-password';"
sudo -u postgres psql -c "GRANT ALL ON DATABASE mem0 TO mem0;"

4. 部署 D-Hub

git clone https://github.com/DuanZGit/D-Hub.git
cd D-Hub
sudo bash deploy/install.sh

安装脚本会自动完成：

创建 /opt/d-hub 目录结构
安装 Python 依赖
配置 systemd 服务
启动 dhub.service

5. 验证

curl http://127.0.0.1:10101/health

如何使用

启动与停止

sudo systemctl start dhub
sudo systemctl stop dhub
sudo systemctl restart dhub
sudo systemctl status dhub

配置环境变量

编辑 /opt/d-hub/config/dhub.env：

DHUB_ROOT=/opt/d-hub
DHUB_PORT=10101
DHUB_MEMORY_BACKEND=json
NEW_API_BASE_URL=http://127.0.0.1:3000/v1
NEW_API_KEY=your-key
DHUB_LLM_MODEL=your-model
DHUB_EMBED_MODEL=your-embedding-model
DHUB_EMBED_DIMS=1536
MEM0_DB_HOST=127.0.0.1
MEM0_DB_PORT=5432
MEM0_DB_NAME=mem0
MEM0_DB_USER=mem0
MEM0_DB_PASSWORD=your-password

修改后重启：

sudo systemctl restart dhub

Dashboard

浏览器打开：

http://<服务器IP>:10101/ui

Dashboard 提供 11 个功能模块：总览、Agent、MCP、记忆、Wiki、技能、文件、同步、日志、配置、备份。

常用 API 示例

Agent 注册

curl -X POST http://127.0.0.1:10101/register \
  -H "Content-Type: application/json" \
  -d '{"agent_id":"minis","projects":["project-a"]}'

添加记忆

curl -X POST http://127.0.0.1:10101/memory/add \
  -H "Content-Type: application/json" \
  -d '{"namespace":"projects/project-a","agent_id":"minis","content":"决定使用 PostgreSQL"}'

搜索记忆

curl -X POST http://127.0.0.1:10101/memory/search \
  -H "Content-Type: application/json" \
  -d '{"namespace":"projects/project-a","agent_id":"minis","query":"PostgreSQL"}'

创建 Wiki 页面

curl -X POST http://127.0.0.1:10101/wiki/page \
  -H "Content-Type: application/json" \
  -d '{"namespace":"projects/project-a","title":"架构决策","content":"# 数据库选型\n\nPostgreSQL。"}'

搜索 Wiki

curl "http://127.0.0.1:10101/wiki/search?namespace=projects%2Fproject-a&q=PostgreSQL"

上传文件

curl -X POST "http://127.0.0.1:10101/files/upload?namespace=global" \
  -F "file=@/path/to/file.txt"

MCP 工具列表

curl -X POST http://127.0.0.1:10101/mcp/tools/list \
  -H "Content-Type: application/json" \
  -d '{"agent_id":"minis","project":"project-a"}'

启用 Mem0 记忆后端

确认 PostgreSQL 和 pgvector 已安装
在 /opt/d-hub/config/dhub.env 中配置：
- NEW_API_KEY
- DHUB_LLM_MODEL
- DHUB_EMBED_MODEL
- MEM0_DB_PASSWORD（与 PostgreSQL mem0 用户密码一致）
重启服务：

sudo systemctl restart dhub

验证后端：

curl http://127.0.0.1:10101/health
# 查看 "memory_backend": "mem0"

备份与恢复

手动备份

curl -X POST http://127.0.0.1:10101/backup

备份文件保存在 /opt/d-hub/backups/<时间戳>/。

查看备份列表

curl http://127.0.0.1:10101/backups

恢复备份

curl -X POST "http://127.0.0.1:10101/backup/<备份名>/restore"

定时任务

D-Hub 使用 systemd timer 管理定时任务：

任务	频率	说明
记忆 ↔ Wiki 语义同步	每 4 小时	需要配置 LLM 模型
完整备份	每天 02:00	文件 + PostgreSQL

查看定时任务状态：

systemctl list-timers | grep dhub

Agent 接入

Agent 通过两条通道接入 D-Hub：

1. MCP（运行时通道）

Agent 配置 Streamable HTTP MCP，连接 D-Hub 后可使用原生工具和上游工具。

配置示例（Claude Code / Cursor 等客户端）：

{
  "mcpServers": {
    "dhub": {
      "url": "http://192.168.5.242:10101/mcp?agent_id=codex&project=project-a",
      "transport": "streamable-http"
    }
  }
}

2. Manifest 同步（发布通道）

Agent 启动时通过 Manifest 发布自己的 MCP 配置、Skill、Wiki 和文件。

# 安装 D-Hub Python 包
pip install d-hub

# 注册并发布资产
dhub-agent-sync .dhub/dhub-agent.json

原生 MCP 工具

连接后，D-Hub 自动提供以下工具：

工具	用途
`dhub_memory_search`	搜索记忆
`dhub_memory_add`	写入记忆
`dhub_wiki_search`	搜索 Wiki
`dhub_wiki_put`	创建/更新 Wiki
`dhub_skills_list`	列出技能
`dhub_files_list`	列出文件
`dhub_file_read`	读取文件

更多细节见 AGENT_INTEGRATION.md 和 examples/agent-assets。

目录结构

/opt/d-hub/
├── mcp/                     # MCP 服务器配置
│   ├── global/
│   ├── agents/<id>/
│   └── projects/<id>/
├── skills/                  # 技能仓库
│   ├── global/
│   ├── agents/<id>/
│   └── projects/<id>/
├── wiki/                    # Wiki 页面
│   ├── global/
│   ├── agents/<id>/
│   └── projects/<id>/
├── files/                   # 共享文件
│   ├── global/
│   ├── agents/<id>/
│   └── projects/<id>/
├── config/                  # 配置文件
│   └── dhub.env
├── data/                    # 数据文件
├── logs/                    # 日志
├── backups/                 # 备份
└── scripts/                 # 脚本

技术栈

组件	技术	说明
D-Hub	Python FastAPI	一个进程，全包
记忆	`import mem0`	Python 库，直接调用，不是独立服务
Wiki	Python 内置	Markdown 文件 CRUD + 全文搜索（whoosh）
MCP 路由	Python 内置	JSON-RPC 转发 + 三层配置合并
技能仓库	文件系统	三层目录：global / agents / projects
文件共享	文件系统	三层目录：global / agents / projects
Dashboard	FastAPI 静态文件	内嵌在 D-Hub
数据库	PostgreSQL + pgvector	系统 apt 安装，仅 localhost
同步	systemd timer	定时运行记忆 ↔ Wiki 语义同步

架构

┌─────────────────────────────────────────────────────────┐
│               D-Hub (:10101) — 唯一进程                     │
│                                                           │
│  FastAPI 服务                                            │
│  ├── /mcp/*          MCP 路由（三层合并）                 │
│  ├── /memory/*       记忆（mem0ai 库直接调用）            │
│  ├── /wiki/*         Wiki（内置 Markdown 引擎）           │
│  ├── /skills/*       技能仓库                             │
│  ├── /files/*        文件共享                             │
│  ├── /agent/*        Agent 注册 + 路由                    │
│  ├── /sync/*         同步触发                             │
│  └── /ui             Dashboard                            │
│                                                           │
│  mem0ai 库（import mem0）                                 │
│  └── 直接读写 PostgreSQL                                   │
└───────────────────────────────────────────────────────────┘
                       │
                       ▼
┌───────────────────────────────────────────────────────────┐
│  PostgreSQL + pgvector (:5432) — 唯一数据库                 │
│  仅 localhost，不对外暴露                                    │
└───────────────────────────────────────────────────────────┘

三级目录结构

所有资产（MCP、Skills、Wiki、Files）统一走同一套目录模式：

/opt/d-hub/
├── mcp/                     # MCP 服务器配置（JSON 文件）
│   ├── global/              #   全局共享
│   ├── agents/<id>/         #   Agent 专属
│   └── projects/<id>/       #   项目专属
├── skills/                  # 技能（SKILL.md 文件）
│   ├── global/
│   ├── agents/<id>/
│   └── projects/<id>/
├── wiki/                    # Wiki 页面（Markdown 文件）
│   ├── global/
│   ├── agents/<id>/
│   └── projects/<id>/
└── files/                   # 共享文件
    ├── global/
    ├── agents/<id>/
    └── projects/<id>/

查找顺序（MCP、Skills 一致）：

Agent 请求资源 X
  → 查 project 层（/opt/d-hub/<type>/projects/<project>/X）
  → 查 agent 层（/opt/d-hub/<type>/agents/<agent>/X）
  → 查 global 层（/opt/d-hub/<type>/global/X）
  → 找不到 → 404

合并规则：同名覆盖（project > agent > global），不同名合并。

数据流 — MCP 路由（读时合并）

Agent → POST /mcp/tools/list {agent_id, project}
     → D-Hub 读取 mcp/global/ + mcp/agents/<id>/ + mcp/projects/<id>/
     → 合并（project 覆盖 agent 覆盖 global）
     → 返回合并后的工具列表
     （无缓存、无 cron、每请求实时计算）

Agent → POST /mcp/tools/call {name, arguments}
     → d-hub 查合并后的配置表里该 tool 对应的 MCP server
     → 转发 JSON-RPC 请求
     → 返回结果

数据流 — Wiki（git 化）

Agent → POST /wiki/page {namespace, title, content}
     → d-hub 写入对应目录的 Markdown 文件
     → git add + git commit（自动）
     → 更新全文索引

回滚：
  cd /opt/d-hub/wiki && git revert <commit>

端口分配

服务	端口	访问范围	说明
d-hub	10101	局域网	唯一入口
PostgreSQL	5432	仅 localhost	数据库

同步机制（只有一种）

不是所有资产都需要同步。只有需要 LLM 处理的语义同步才需要定时任务：

systemd timer 每 4 小时：
  记忆共识层（global:shared）
    → LLM 提取精华
    → 生成/更新 Wiki 共识页面
    → 回写确认

MCP 配置 / Skills / 文件：
  → 不需要 cron
  → 每次请求实时读目录合并
  → 文件变更立即生效

当前依赖状态

依赖	状态	说明
UG（192.168.5.242）	✅ 在线	Ubuntu 24.04
PostgreSQL + pgvector	⚠️ 待安装	apt install + 编译
mem0ai	⚠️ 待安装	pip install mem0ai
Python 3.10+	✅ 已装	系统自带
FastAPI 等	⚠️ 待安装	pip install
Node.js	❌ 不需要	全 Python，无外部运行时依赖
gh CLI	✅ 已装	账号 DuanZGit

This server cannot be installed

license - not found

quality - not tested

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

–Release cycle

–Releases (12mo)

Commit activity

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

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

Related MCP Servers

Agent Hub MCP
Agent Orchestration Autonomous Agents Communication
gilbarbara
A
license
A
quality
C
maintenance
Enables multi-agent collaboration across different AI assistants and projects by providing a universal coordination layer for MCP-compatible agents to communicate, share context, and coordinate complex tasks seamlessly.
Updated a year ago (2025-09-08 17:49 UTC)
12
18
32
MIT
RoadBoard
Project Management Knowledge & Memory Autonomous Agents
Maless88
A
license
-
quality
B
maintenance
Multi-project execution, memory, and collaboration platform for humans and AI agents, providing MCP tools for agents to read and write project state.
Updated 15 days ago (2026-07-29 06:45 UTC)
2
MIT
Cognitive Core
Knowledge & Memory AI & Machine Learning Autonomous Agents
mocartlex-wq
A
license
-
quality
B
maintenance
Enables AI agents with persistent, multi-layer memory, multi-agent collaboration rooms, and video generation, all accessible via MCP tools.
Updated a day ago (2026-08-11 17:43 UTC)
1
MIT
lalanoo-protocol
Agent Orchestration Developer Tools
MacXhi
A
license
-
quality
C
maintenance
Enables multi-agent coordination with file locking, shared registry, async messaging, and architectural decision logging via MCP tools.
Updated a month ago (2026-07-15 21:46 UTC)
MIT

View all related MCP servers

Related MCP Connectors

aX
Agent-native collaboration network: orchestrate a team of long-running agents from any MCP client.
OpenAkashic
Shared long-term memory vault for AI agents with 20 MCP tools.
Frenchie
OCR, transcription, file extraction, and image generation for AI agents via MCP.

View all MCP Connectors

Latest Blog Posts

Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)
By Om-Shree-0709 on July 25, 2026.
mcp
Agent Identity
OAuth 2.1
Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly

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/DuanZGit/D-Hub'

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