01 / 服务器详情
服务器详情
Screenpipe 是一个为 AI Agent 提供“数字记忆”的本地化系统。它通过实时捕获屏幕内容和音频流，利用 SQL 和向量数据库进行结构化索引，让你的每一次操作和对话都能被语义化搜索。与传统的录屏工具不同，它更强调数据的可编程性：开发者可以轻松通过语义检索，让 LLM 拥有对过去工作上下文的深度理解。无论是复盘会议重点，还是让 AI 自动分析你的操作流程，Screenpipe 都提供了一个低门槛的本地数据底座。对于追求隐私且希望构建高度上下文感知型 AI 应用的开发者来说，这是一个非常实用的基础设施。
一个提供 mediar-ai/screenpipe 能力的模型上下文协议服务器，可被兼容 MCP 的 AI 客户端连接和调用。
能力标签File SystemMCP开源
协议Model Context Protocol
开发者生态开源生态
开源协议MIT / 以来源页为准
来源GitHub
收录合集
收录本 MCP 服务的合集
常用MCP2026.03.30已收录
我的MCP2026.03.31已收录
Genie2026.03.30已收录
02 / 工具测试
工具测试
可用工具
可调用mediar-ai-screenpipe
调用 mediar-ai/screenpipe 提供的 MCP 能力并返回结构化结果。
参数
input根据该 MCP 服务的工具 schema 传入参数。提示：该工具可能会截断响应；使用 start_index 等分页参数可以分块读取较长内容。
03 / 服务配置
连接方式
Remote
{
"mcpServers": {
"mediar-ai/screenpipe": {
"url": "部署后由服务提供方生成 Remote 地址"
}
}
}Remote 地址需要在部署后由服务提供方生成，页面不会伪造不可用的端点。
Stdio · mcp.json
当前记录没有 npm 包，请先打开来源仓库补充 command 和 args。如果当前条目没有登记 npm 包，请以来源仓库的安装方式为准。
03 / 使用方法
如何使用
- 01步骤 1
先检查服务器能力和权限范围。
- 02步骤 2
复制安装命令或 JSON 配置。
- 03步骤 3
在客户端中进行小范围连接测试。
- 04步骤 4
确认数据访问和维护状态后再长期使用。
04 / 讨论
讨论与反馈
这里保留讨论入口，方便继续核对来源、使用体验和维护状态。
前往来源页面