← 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DeepImageSearchDeepImageSearch 是一个用于快速准确图像搜索的 Python 库,支持文本到图像、图像到图像及混合搜索。Compartment加密、完全离线的 AI 代理长期记忆库
FMRS46 / 100 · D75 / 100 · B
可靠性4 / 2012 / 20
安全与权限9 / 2016 / 20
维护活跃度11 / 2014 / 20
文档质量12 / 2018 / 20
安装易用性10 / 2015 / 20
适合谁
  • 需要快速且准确的图像搜索能力的 AI 代理开发者。
  • 希望集成文本、图像和混合搜索的视觉应用。
  • 需要可扩展的向量搜索(FAISS、ChromaDB、Qdrant)和元数据管理的生产环境。
  • 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
  • 需要实时视频搜索或对象检测的用户。
  • 没有 Python 或机器学习基础的终端用户。
  • 需要非 OpenAI 兼容的 LLM 提供商的特定功能(但可兼容大部分 OpenAI SDK 端点)。
  • 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
  • 文件系统访问:用于索引图像文件夹或文件。
  • 网络访问:用于下载模型权重(CLIP 等)和调用 LLM API(如 OpenAI)。
  • 本地资源:GPU(CUDA/MPS)加速(如可用)。
  • 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:使用外部 LLM 服务生成描述时,图像数据可能被发送至第三方。
  • 性能风险:大规模索引可能消耗大量 CPU/GPU 和内存资源。
  • 依赖风险:依赖外部模型和向量数据库,可能因网络或软件版本变化导致失败。
  • 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 DesktopClaude 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114