ChatMCP - 實現 MCP 協議的跨平台 AI 聊天客戶端

概述

ChatMCP 是一個實現了模型上下文協議 (Model Context Protocol, MCP) 的 AI 聊天客戶端，由開發者 daodao97 創建。該專案旨在提供一個統一的跨平台 AI 對話介面，支援多種 AI 模型和 MCP 伺服器，讓使用者能夠透過一個應用程式與不同的資料來源和 AI 服務進行互動。

核心功能與特性

🌐 全平台支援

• 桌面端：支援 macOS、Windows、Linux 系統
• 行動端：提供 iOS 和 Android 應用
• 統一體驗：所有平台保持一致的使用者介面和功能

🤖 多 AI 模型整合

• OpenAI 模型：支援 GPT 系列模型
• Claude 模型：整合 Anthropic 的 Claude AI
• Ollama 模型：支援本地部署的開源模型
• DeepSeek 模型：整合 DeepSeek AI 服務
• 靈活配置：支援自定義 API 金鑰和端點

🔌 MCP 協議支援

• MCP 伺服器市場：內建 MCP 伺服器市場，提供豐富的資料來源
• 自動安裝：一鍵安裝和配置 MCP 伺服器
• SSE 傳輸：支援 Server-Sent Events (SSE) MCP 傳輸協議
• 自動選擇：智慧選擇合適的 MCP 伺服器處理請求

💬 智慧對話功能

• 聊天歷史：完整的對話記錄保存和管理
• 上下文理解：基於 MCP 協議的豐富上下文處理
• 多資料來源互動：透過 MCP 伺服器與不同類型的資料進行對話

🎨 使用者體驗優化

• 主題切換：支援深色/淺色主題
• 現代化 UI：優雅的使用者介面設計
• 響應式佈局：適配不同螢幕尺寸和設備

平台下載與安裝

平台	下載方式	備註
macOS	Release	直接下載安裝包
Windows	Release	直接下載安裝包
Linux	Release	需要安裝依賴庫
iOS	TestFlight	測試版本
Android	Release	直接下載 APK

Linux 系統依賴

sudo apt-get install libsqlite3-0 libsqlite3-dev

快速開始

1. 環境準備

確保系統已安裝以下工具之一：

# 安裝 uvx
brew install uv

# 或安裝 npx
brew install node

2. 配置步驟

1. 配置 LLM API：在設定頁面配置您的 LLM API 金鑰和端點
2. 安裝 MCP 伺服器：從 MCP 伺服器頁面安裝所需的 MCP 伺服器
3. 開始對話：與 MCP 伺服器進行智慧對話

3. 資料儲存位置

• macOS: ~/Library/Application Support/ChatMcp
• Windows: %APPDATA%\ChatMcp
• Linux: ~/.local/share/ChatMcp
• 行動端: 應用程式文檔目錄

4. 重置應用

如需重置應用數據，可使用以下命令：

# macOS
rm -rf ~/Library/Application\ Support/ChatMcp

# Windows
rd /s /q "%APPDATA%\ChatMcp"

# Linux
rm -rf ~/.local/share/ChatMcp

開發指南

本地開發

# 獲取依賴
flutter pub get

# 運行 macOS 版本
flutter run -d macos

測試資料庫

專案提供了測試資料庫檔案，可以下載 test.db 來測試 SQLite MCP 伺服器功能。

MCP 伺服器配置

MCP 伺服器的配置文件位於：

~/Library/Application Support/ChatMcp/mcp_server.json

技術特性

已實現功能

• ✅ 與 MCP 伺服器對話：完整的 MCP 協議實現
• ✅ MCP 伺服器市場：豐富的伺服器生態
• ✅ 自動安裝 MCP 伺服器：簡化部署流程
• ✅ SSE MCP 傳輸支援：實時通信能力
• ✅ 自動選擇 MCP 伺服器：智慧路由功能
• ✅ 聊天歷史記錄：完整的對話管理
• ✅ 多 AI 模型支援：OpenAI、Claude、Ollama、DeepSeek
• ✅ 主題切換：深色/淺色模式

規劃中功能

• 🔄 RAG 功能：檢索增強生成
• 🔄 更好的 UI 設計：持續優化使用者體驗

應用場景

資料分析與查詢

• 資料庫互動：透過 MCP 伺服器與各種資料庫進行自然語言查詢
• 檔案分析：分析和處理各種格式的檔案數據
• API 整合：與第三方 API 服務進行智慧互動

開發輔助

• 程式碼理解：分析和解釋程式碼庫
• 文檔查詢：智慧搜索和理解技術文檔
• 系統監控：透過 MCP 伺服器監控系統狀態

業務應用

• 客戶服務：構建智慧客服系統
• 知識管理：企業知識庫的智慧查詢
• 工作流自動化：自動化各種業務流程

技術架構

核心技術

• Flutter 框架：跨平台 UI 開發
• MCP 協議：模型上下文協議實現
• SQLite 資料庫：本地資料儲存
• SSE 協議：實時通信支援

擴展性設計

• 插件化架構：透過 MCP 伺服器擴展功能
• 多模型支援：靈活的 AI 模型整合
• 跨平台兼容：統一的程式碼庫支援多平台

總結

ChatMCP 代表了 AI 聊天客戶端發展的新方向，透過實現 MCP 協議，它不僅提供了統一的 AI 對話介面，更重要的是構建了一個可擴展的 AI 生態系統。其跨平台支援和多 AI 模型整合使其能夠滿足不同使用者的需求，而 MCP 伺服器市場則為使用者提供了豐富的資料來源和功能擴展。