我常用的MCP 服务有一半是自己做的
MCP 问世已有一段时间，在众多服务中，我最常用的只有 4 个，按使用频率排序分别是：Orchard、Memory、Exa、Chrome-DevTools。今天想和大家聊聊排在前两位的 Orchard 和 Memory，也正是我自己做的那一半😂。
Orchard 作为我的一款完整产品已经发布，只是没有像 Zipic 那样大力宣传，但使用频率却比 Zipic 高得多。Memory 则是我用 Golang 实现的记忆服务，已经开源。这两者配合，构建起了我的日常 AI 小助理。
从贾维斯到现实：我的 AI 助理构想
说到理想中的助理，我脑海里浮现的当然是钢铁侠里的贾维斯。虽然现实还达不到那个高度，但我想围绕 Raycast AI 的生态先打好基础。
Raycast AI 是 Raycast 的 AI 功能，包括 Chat 和 Commands 等，我的小助理主要是利用 Chat。Raycast 则是一款强大的启动器，提供了丰富的快捷操作/指令工具，提供高效、顺手且可靠的系统使用体验。
目前我的期望很简单：它能帮我快速完成那些原本需要打开多个 app、操作多个步骤才能完成的任务，并且结合对我日常生活和工作的记录，给出更贴心的建议——这就足够了！
Raycast Store 里有很多对接 Apple 原生 app 的扩展，后来 Raycast 推出了 AI Extension，让这些扩展具备了 AI 能力，有了更多可能性。但我发现这些扩展在性能和原生应用覆盖度上仍有局限：会出错、响应慢、覆盖的 App 不够全面。
目前在我的小助理中，仅保留了 Web 搜索这一个 Raycast 扩展，其余的核心能力都由 Orchard 和 Memory 承担。正是因为意识到了这些局限性，我决定自己开发 Orchard。
Orchard：Apple 生态的果园
Orchard 是一款 macOS 原生应用，目前能对接 10 类原生应用：提醒事项、日历、天气、地图、通讯录、信息、邮件、音乐、备忘录，以及时钟（主要用于获取实时时间）。
为什么取名 Orchard（果园）？这个名字寄托了我的愿景：就像在果园里轻松采摘各种果实一样，通过 Orchard 能够轻松获取 Apple App 的各种"果实"。它的图标是一个包裹——象征着果园为用户精心打包、寄送装满 Apple 应用能力的礼盒。
有了这些信息源和管理工具，小助理的能力基本就到位了。
时间：被忽视的关键要素
特别要说的是时间——对 AI 助理来说，这是必不可少的。AI 本身没有实时时间概念，而我们的很多决策和判断都依赖时间因素，准确的时间信息是助理给出优质建议的前提。
产品化的困境
虽然 Orchard 已经产品化，但 MCP 对普通用户来说还是过于技术化，有一定距离感。尽管我在 Orchard 中做了不少自动配置工作，试图降低使用门槛，但仍然跨越不了"用户教育"这道坎——这也是我一直没有大力宣传的主要原因。
不是王婆卖瓜，我是真心觉得它好用。不过现在通过 AppleScript 控制的部分 app 略微不稳定、支持功能也很有限，比如邮件、备忘录，所以非常期待 Apple Intelligence 与 Apple 自家应用深度联动带来的惊艳体验（尽管这可能让 Orchard 消亡）。
实际应用场景
下面通过几个实际场景来展示 Orchard 的能力：
AI 规划行程
AI 当客服发邮件
每日工作助手
每天执行一次 /new 指令，AI 会自动获取当前时间、提醒事项、日历安排、天气信息以及最近几天的记录，结合这些信息开始当天的信息记录和交互。这个功能我一般会在早上开始工作时执行，帮助我快速了解今天的工作安排和上下文。
（注：为了演示效果，视频中使用的是录制时的时间）
现在就先自己用着 Orchard，慢慢打磨。反正能帮我提效增产，这波投入也不算亏吧！
Memory：让 AI 真正"懂你"
另一个重要环节是记忆。当 AI 的上下文能自动包含记忆中的细节时，我们就会感受到那种"助理真懂我"的惊喜时刻！
当然，记忆的应用场景远不止助理这一方面，还包括阅读笔记、闪念记录、专业领域知识积累等等。
Memory 服务提供了上图所示的工具集，这些工具是构建、查询、更新记忆的基础。AI 会根据你的意图自动识别并调用相应的工具，整个过程无需手动干预。
性能与隐私的平衡
使用 Memory 时，我最在意两点：性能和隐私（毕竟要像写日记一样记录工作生活）。一开始我用的是 MCP 官方推出的 Memory 服务（基于 JSONL），本地化存储。
从好奇到实践：3 小时开发一个 MCP 服务
出于好奇，我想试试开发一个 MCP 服务需要多久——没记错的话，在 AI 的帮助下，不到 3 小时就完成了基于知识图谱原理的 Golang 基础版本（同样采用 JSONL）。因为是本地文件存储，完美满足了隐私需求。
从 JSONL 到 SQLite 的进化
后来我持续优化，将底层存储从 JSONL 文件升级为 SQLite，并在后续优化了检索和处理逻辑。经过实际对比：
- 对于常见的知识图谱操作（读取、搜索、运行期内存），SQLite 整体性能更优
- 若只关注启动速度和磁盘占用，JSONL 更轻量更快
目前的版本支持从 JSONL 到 SQLite 的自动迁移，并集成了 FTS5 全文搜索——当实体规模超过约 100 个时，SQLite 的优势尤为明显。所以现在我使用的是存储容量更大、性能更优的记忆服务。
Orchard：访问 5km.tech 即可体验免费版
Memory memory-mcp-server-go ，欢迎 Star 支持🌟
