AI Logger MCP

🤖 AI Logger MCP Server

一个功能强大的 MCP (Model Context Protocol) 服务器，用于记录和管理所有 AI 交互历史，包括对话、代码生成等。配备直观的 Web 界面，让你可以轻松查看、搜索和分析所有记录。

✨ 功能特点

• 📝 自动记录 - 记录每次 AI 交互的详细信息
• 💻 代码追踪 - 特别记录生成的代码片段和编程语言
• 🔍 强大搜索 - 快速搜索历史记录
• 📊 统计分析 - 查看交互类型、语言分布等统计数据
• 🌐 Web 界面 - 美观的浏览器界面，实时查看所有记录
• 🏷️ 标签系统 - 使用标签分类和组织记录
• 📤 数据导出 - 导出为 JSON 格式便于分析

🚀 快速开始

1. 安装依赖

pip install -r requirements.txt

2. 配置 Claude Desktop

在 Claude Desktop 的配置文件中添加 MCP 服务器配置：

macOS/Linux: ~/Library/Application Support/Claude/claude_desktop_config.json Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "ai-logger": {
      "command": "python",
      "args": ["/path/to/ai_logger_mcp.py"]
    }
  }
}

将 /path/to/ai_logger_mcp.py 替换为实际的文件路径。

3. 重启 Claude Desktop

配置完成后，重启 Claude Desktop 使配置生效。

4. 启动 Web 界面（可选）

python ai_logger_web.py

然后在浏览器中访问: http://localhost:5000

📖 使用指南

MCP 工具使用

在 Claude 对话中，可以使用以下工具：

1. 记录交互 (log_interaction)

记录一次 AI 交互：

请记录这次对话：
- 用户输入: "如何实现用户登录功能"
- AI 响应: "你可以使用 JWT 进行身份验证..."
- 类型: conversation

记录代码生成：

请记录这次代码生成：
- 用户输入: "写一个快速排序算法"
- AI 响应: "以下是 Python 实现..."
- 类型: code_generation
- 代码: def quick_sort(arr): ...
- 语言: python
- 标签: ["算法", "排序"]

2. 查看最近记录 (get_recent_logs)

显示最近 20 条记录

只看代码生成记录：

显示最近的代码生成记录

3. 搜索记录 (search_logs)

搜索包含 "登录" 的记录

搜索 Python 相关的记录

4. 查看统计 (get_statistics)

显示交互统计信息

5. 获取 Web 界面地址 (get_web_ui_url)

如何访问 Web 界面？

Web 界面功能

1. 查看列表 - 浏览所有交互记录
2. 实时搜索 - 输入关键词即时过滤
3. 类型筛选 - 按交互类型筛选（对话/代码生成/函数调用/其他）
4. 统计面板 - 查看总记录数、今日记录、各类型分布
5. 导出数据 - 一键导出所有记录为 JSON 文件
6. 自动刷新 - 每 30 秒自动更新数据

📂 数据存储

所有记录保存在：~/.ai_logger/logs/interactions.jsonl

每条记录的 JSON 格式：

{
  "id": "20250422_143020_123456",
  "timestamp": "2025-04-22T14:30:20.123456",
  "interaction_type": "code_generation",
  "user_input": "写一个斐波那契数列函数",
  "ai_response": "以下是 Python 实现...",
  "code_snippet": "def fibonacci(n):\n    ...",
  "language": "python",
  "tags": ["算法", "递归"],
  "metadata": {}
}

🎯 使用场景

1. 代码学习追踪

记录每次让 AI 生成代码的过程，建立个人代码知识库：

我想让你帮我生成一个 React 组件，并记录下来：
[生成代码后]
请记录这次代码生成，标签添加: ["React", "组件", "前端"]

2. 问题解决历程

记录解决问题的完整对话链：

[解决问题的多轮对话后]
请把我们刚才关于数据库优化的对话都记录下来

3. 学习笔记整理

定期查看历史记录，回顾学习内容：

显示最近一周的所有 Python 相关记录

4. 项目开发追踪

为特定项目添加标签，方便后续检索：

记录这次代码生成，标签: ["项目X", "后端", "API开发"]

🔧 高级配置

自定义存储位置

修改 ai_logger_mcp.py 和 ai_logger_web.py 中的：

LOG_DIR = Path.home() / ".ai_logger" / "logs"

修改字符限制

默认限制为 10,000 字符，可修改：

CHARACTER_LIMIT = 10000  # 改为你想要的值

修改 Web 端口

默认端口为 5000，可修改 ai_logger_web.py 末尾：

app.run(host='0.0.0.0', port=5000, debug=True)  # 改为其他端口

🛠️ 技术栈

• MCP 服务器: Python + FastMCP
• 数据验证: Pydantic
• Web 框架: Flask
• 数据存储: JSONL (JSON Lines)
• 前端: 原生 HTML/CSS/JavaScript

📊 项目结构

ai-logger-mcp/
├── ai_logger_mcp.py      # MCP 服务器主文件
├── ai_logger_web.py      # Web 界面服务器
├── requirements.txt      # Python 依赖
└── README.md            # 本文档

数据目录：
~/.ai_logger/
└── logs/
    └── interactions.jsonl  # 所有记录数据

🤝 贡献

欢迎提交 Issue 和 Pull Request！

📄 许可

MIT License

🔗 相关链接

• MCP Protocol
• FastMCP Documentation
• Claude Desktop

💡 提示

1. 定期备份 - 记录文件保存在 ~/.ai_logger/logs/ 目录，建议定期备份
2. 性能优化 - 如果记录过多（>10000 条），考虑定期归档旧记录
3. 隐私保护 - 记录包含所有对话内容，注意保护敏感信息
4. 标签规范 - 建立统一的标签命名规范，便于后续检索

❓ 常见问题

Q: MCP 服务器无法启动？

A: 检查 Python 版本（需要 3.10+）和依赖是否正确安装。

Q: Web 界面打不开？

A: 确保 Flask 服务器正在运行，检查端口 5000 是否被占用。

Q: 记录没有保存？

A: 检查 ~/.ai_logger/logs/ 目录权限，确保有写入权限。

Q: 如何清空所有记录？

A: 删除 ~/.ai_logger/logs/interactions.jsonl 文件即可。

享受使用 AI Logger！ 如有问题或建议，欢迎反馈。