M
MCP 精选目录 CURATED DIRECTORY
已收录 911 个 MCP Server
EN
← 返回目录
最多同时对比 4 个 SERVER

MCP Server 选型对比

把评分、权限、风险和适用场景放在同一张表里，快速判断哪个更适合你。

对比维度Coach Watts开源AI耐力教练与统一健身仪表盘Compartment加密、完全离线的 AI 代理长期记忆库
FMRS9 / 100 · D75 / 100 · B
可靠性2 / 2012 / 20
安全与权限1 / 2016 / 20
维护活跃度3 / 2014 / 20
文档质量2 / 2018 / 20
安装易用性1 / 2015 / 20
适合谁
  • 希望获得专业级洞察的耐力运动员（骑行、跑步、铁人三项）。
  • 偏好自我托管以完全控制数据的用户。
  • 寻求基于全面数据（不仅仅是功率数字）的AI指导的运动员。
  • 重视隐私与离线运行、不希望数据离开本机的个人或团队
  • 在多个 MCP 客户端（Claude Code、Claude Desktop、Hermes Agent、OpenClaw、Cursor、Codex、Gemini CLI 等）之间共享记忆的用户
  • 需要加密存储、审计链与可验证 vault 迁移的场景
  • 希望记忆检索延迟低、嵌入模型随包附带、无需额外 LLM 调用的用户
不适合谁
  • 对自我托管技术设置不感兴趣的休闲用户。
  • 对多个健身平台数据收集不感兴趣，只想要简单计步的应用的用户。
  • 需要标准健身房力量训练高级计划，而非耐力计划。
  • 需要云端多设备实时同步或团队协作式托管记忆的用户；Compartment 的同步方式是在锁定后手动复制 vault 文件
  • 希望由服务端 LLM 自动抽取事实、自动决定记忆内容的用户；Compartment 明确不在内部调用 LLM，由宿主模型决定存什么
  • 无法安全保管口令或其口令遗失后需要恢复途径的用户（Compartment 不生成也不托管任何恢复短语）
  • 在服务器端以网络传输方式（SSE / streamable-http）接入的部署：本服务器为 stdio，不开放端口
所需权限
  • 访问用户授权的第三方健身平台（如Strava, Whoop, Oura）以同步数据。
  • 通过OAuth 2.0安全认证以访问用户数据。
  • 在家庭服务器或云上存储和处理个人健康和训练数据。
  • 读取与写入用户主目录下的 vault 文件（默认为 ~/.compartment/memory.vault）及其同目录的 .config.json 设置文件
  • 访问存放解锁凭证的会话目录（可用 COMPARTMENT_SESSION_DIR 指定），该目录同时容纳共享嵌入进程的 Unix 套接字
  • 在 macOS 上可选使用钥匙串（compartment unlock --keychain 为显式选择加入）
  • 向各 MCP 客户端的配置文件写入或合并 mcpServers 条目（写入前做字节级备份）
  • 在 Claude Code 场景下安装 PostToolUse 钩子，用于捕获代理写入的记忆文件
  • 在 127.0.0.1 上提供只读浏览器 Dashboard（带一次性随机 URL 令牌）
风险与副作用
  • 隐私风险：聚合健康数据需要访问多个第三方账户，如果认证凭据被泄露，则存在数据泄露风险。
  • 数据准确性：分析依赖于同步数据的准确性；同步问题可能导致错误的建议。
  • AI错误：由Gemini驱动的AI分析可能存在错误或误解数据，因此不应替代专业医疗或教练建议。
  • 依赖外部服务：AI和某些集成依赖Google服务和第三方API密钥，如果这些服务中断，可能会影响功能。
  • 口令泄漏意味着加密内容可被解密；Compartment 不生成、不托管恢复短语，口令丢失无法恢复
  • 启用 memory_unlock 工具会把口令带入模型上下文，默认因此关闭
  • 2FA 依赖的密钥文件（例如 U 盘）丢失后，即使有口令也无法打开 vault
  • 带 --plaintext 的 export 会写出未加密的 JSONL，需要自行妥善处理该文件
  • 记忆内容可能来自不可信来源；虽然召回时会以“这是数据”提示包裹，并可标记 quarantined，宿主代理仍须把记忆当作数据处理，以降低提示注入风险
  • capture 钩子与各客户端配置写入会修改用户的设置文件，尽管实现会先备份、合并而非覆盖
支持客户端Claude Desktop, Claude Code, Hermes Agent, OpenClaw, Cursor, VS Code, Codex, Gemini CLI, Cline, Roo Code, Zed, OpenCode, LM Studio, AnythingLLM, BoltAI, Goose, Kiro
工具能力014