Back to MCP directory
publicPublicdnsLocal runtime

colab-mcp

Colab MCP是一个模型上下文协议服务器,让Claude Code、Cursor、Codex等AI编程助手能够共享日志和会话历史,解决在不同AI工具间切换时丢失上下文的问题。

article

README

🚀 Colab MCP 🔗

停止在切换AI编码工具时丢失上下文。

Colab MCP是一个模型上下文协议(MCP)服务器,它允许Claude Code、Cursor、Codex和其他AI编码助手相互共享日志和会话历史记录。

PyPI version License: MIT

🚀 快速开始

1. 安装

pip install colab-mcp

2. 配置你的AI工具

运行交互式安装程序:

sudo colab-mcp-install

安装程序将执行以下操作:

  • 🔍 检测你已安装的AI编码工具
  • ✅ 让你选择要配置的工具
  • ⚙️ 将Colab MCP添加到它们的MCP服务器配置中
  • 📝 为你提供重启每个工具的说明

3. 重启你的AI工具

重启Claude Code、Cursor、Codex或你配置的任何工具。

大功告成!🎉

✨ 主要特性

  • 🔄 跨工具共享上下文 - 支持Claude Code、Cursor、Codex、Gemini等工具
  • 📜 访问之前会话的聊天记录
  • 🔍 搜索所有日志 - 查找上周的对话
  • 🎯 会话摘要 - 快速概览你正在处理的内容
  • 🖥️ 终端和IDE事件跟踪 - 查看运行过的命令
  • 🚀 快速设置 - 一条命令即可在所有工具中完成安装

📦 安装指南

1. 安装

pip install colab-mcp

2. 配置你的AI工具

运行交互式安装程序:

sudo colab-mcp-install

安装程序会进行以下操作:

  • 检测已安装的AI编码工具。
  • 让你选择要配置的工具。
  • 将Colab MCP添加到工具的MCP服务器配置中。
  • 提供重启工具的说明。

3. 重启工具

重启已配置的AI工具,如Claude Code、Cursor、Codex等。

💻 使用示例

基础用法

安装完成后,Colab MCP会向你的AI助手提供多个工具和资源:

工具

  • list_sessions - 获取所有编码会话的列表
  • fetch_transcript - 检索会话的完整记录
  • summarize_session - 获取会话的快速摘要
  • search_logs - 搜索所有日志(聊天、MCP、IDE事件)
  • codex_status - 检查最近的Codex CLI活动

示例提示

你可以尝试向AI助手提问:

"我上一个会话在做什么?" "在我的日志中搜索关于身份验证的讨论" "总结我昨天下午的会话" "我在过去一小时内遇到了哪些错误?"

📚 详细文档

手动配置

如果你更喜欢手动配置,可以将以下内容添加到MCP配置中:

Claude Code (~/.claude/mcp.json)

{
  "servers": {
    "colab-mcp": {
      "command": "colab-mcp",
      "env": {
        "CLAUDE_HOME": "/home/yourusername/.claude",
        "CURSOR_LOGS": "/home/yourusername/.cursor-server/data/logs",
        "TMPDIR": "/tmp"
      }
    }
  }
}

Cursor (~/.cursor/mcp.json)

{
  "mcpServers": {
    "colab-mcp": {
      "command": "colab-mcp",
      "env": {
        "CLAUDE_HOME": "/home/yourusername/.claude",
        "CURSOR_LOGS": "/home/yourusername/.cursor-server/data/logs",
        "TMPDIR": "/tmp"
      }
    }
  }
}

Codex (~/.codex/config.toml)

[mcp_servers.colab-mcp]
command = "colab-mcp"
args = []
env = { CLAUDE_HOME = "/home/yourusername/.claude", CURSOR_LOGS = "/home/yourusername/.cursor-server/data/logs", TMPDIR = "/tmp" }

🔧 技术细节

架构图

graph TB
    subgraph AI["AI工具"]
        Claude[Claude Code]
        Cursor[Cursor]
        Codex[Codex]
    end
    
    MCP[Colab MCP服务器]
    
    subgraph Logs["日志文件"]
        Chat[聊天历史记录]
        IDE[IDE事件]
        Term[终端]
    end
    
    Claude --> MCP
    Cursor --> MCP
    Codex --> MCP
    
    MCP --> Chat
    MCP --> IDE
    MCP --> Term
    
    style MCP fill:#e8f4f8,stroke:#4a90a4,stroke-width:2px
    style AI fill:#f9f9f9,stroke:#ccc
    style Logs fill:#f9f9f9,stroke:#ccc

🤝 贡献代码

欢迎贡献代码!查看docs/文件夹,了解有关Colab MCP工作原理的详细信息。

📄 许可证

本项目采用MIT许可证,详情请参阅LICENSE文件。

🙏 致谢

本项目基于FastMCP构建,它是用Python构建MCP服务器的最快方式。

由厌倦丢失上下文的开发者用心打造 ❤️

help

Runtime guide

cloud

Hosted runtime

Hosted servers run from a provider-managed environment. You usually connect the MCP client to the hosted endpoint or follow the provider's authorization flow, without keeping a local process alive

  1. Open provider connection page
  2. Authorize or copy endpoint
  3. Connect from your MCP client
terminal

Local runtime / other methods

Local servers run on your own machine or infrastructure. You normally copy the server_config into your MCP client, install the required package, and provide env variables from env_schema when needed

  1. Copy server_config
  2. Install required package
  3. Fill env variables and restart client