You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
ChatLab 目前已经具备强大的本地聊天记录分析能力(SQL 查询、AI Agent 分析、可视化洞察等),但这些能力都封装在桌面应用内部,外部工具和 AI Agent 无法直接调用。
随着 AI Agent 生态(如 Claude Code、Cursor、Windsurf 等)和 MCP(Model Context Protocol)协议的快速发展,越来越多用户希望在自己的 AI 工作流中直接查询和分析聊天记录。将 ChatLab 的分析能力以 API 接口 和 MCP Server 的形式对外暴露,将极大拓展 ChatLab 的使用场景和生态价值。
提案内容
1. 聊天记录分析 API 接口
在 ChatLab 应用内启动一个本地 HTTP 服务(类似 #68 的导入 API 方向,但聚焦于分析能力输出),提供以下核心接口:
接口
说明
GET /api/v1/stats/overview
获取聊天数据总览(消息数、联系人数、时间跨度等)
GET /api/v1/stats/ranking
获取消息排行榜(按联系人、群聊等维度)
GET /api/v1/stats/timeline
获取消息时间分布(按日/周/月)
GET /api/v1/search
全文搜索聊天记录(支持关键词、时间范围、联系人过滤)
POST /api/v1/query
执行自定义 SQL 查询(基于 ChatLab 内部数据模型)
POST /api/v1/analyze
调用 AI Agent 分析指定聊天内容(摘要、情感分析、话题提取等)
2. MCP Server 服务
将上述分析能力封装为 MCP Server,使外部 AI Agent 可通过 MCP 协议直接调用 ChatLab 的分析工具:
可提供的 MCP Tools:
chatlab_search - 搜索聊天记录(支持关键词、时间范围、联系人等过滤条件)
chatlab_stats - 获取统计数据(消息量趋势、活跃度排行、互动频率等)
chatlab_query - 执行 SQL 查询(让 AI Agent 直接用 SQL 探索聊天数据)
chatlab_analyze - AI 驱动的聊天内容分析(摘要、情感、话题、关系图谱等)
chatlab_export - 导出指定条件的聊天记录片段
MCP Resources(可选):
chatlab://contacts - 联系人列表
chatlab://conversations - 会话列表
chatlab://schema - 数据表结构(方便 AI Agent 构造 SQL)
使用场景示例
# 在 Claude Code / Cursor 等 AI 工具中直接使用
User: "帮我分析一下最近一个月和小明的聊天频率变化"
AI Agent → 调用 chatlab_stats(contact="小明", period="last_30d") → 返回结构化数据 → 生成分析报告
User: "总结一下上周工作群里讨论的主要话题"
AI Agent → 调用 chatlab_search(group="工作群", period="last_7d") → chatlab_analyze(type="topic_extraction") → 返回话题摘要
技术建议
API 服务:可复用 Electron main process 中现有的 IPC 通信层,在其上增加 HTTP Server(如 fastify/express)对外暴露
动机
ChatLab 目前已经具备强大的本地聊天记录分析能力(SQL 查询、AI Agent 分析、可视化洞察等),但这些能力都封装在桌面应用内部,外部工具和 AI Agent 无法直接调用。
随着 AI Agent 生态(如 Claude Code、Cursor、Windsurf 等)和 MCP(Model Context Protocol)协议的快速发展,越来越多用户希望在自己的 AI 工作流中直接查询和分析聊天记录。将 ChatLab 的分析能力以 API 接口 和 MCP Server 的形式对外暴露,将极大拓展 ChatLab 的使用场景和生态价值。
提案内容
1. 聊天记录分析 API 接口
在 ChatLab 应用内启动一个本地 HTTP 服务(类似 #68 的导入 API 方向,但聚焦于分析能力输出),提供以下核心接口:
GET /api/v1/stats/overviewGET /api/v1/stats/rankingGET /api/v1/stats/timelineGET /api/v1/searchPOST /api/v1/queryPOST /api/v1/analyze2. MCP Server 服务
将上述分析能力封装为 MCP Server,使外部 AI Agent 可通过 MCP 协议直接调用 ChatLab 的分析工具:
可提供的 MCP Tools:
chatlab_search- 搜索聊天记录(支持关键词、时间范围、联系人等过滤条件)chatlab_stats- 获取统计数据(消息量趋势、活跃度排行、互动频率等)chatlab_query- 执行 SQL 查询(让 AI Agent 直接用 SQL 探索聊天数据)chatlab_analyze- AI 驱动的聊天内容分析(摘要、情感、话题、关系图谱等)chatlab_export- 导出指定条件的聊天记录片段MCP Resources(可选):
chatlab://contacts- 联系人列表chatlab://conversations- 会话列表chatlab://schema- 数据表结构(方便 AI Agent 构造 SQL)使用场景示例
技术建议
@modelcontextprotocol/sdk实现,支持 stdio 和 SSE 两种传输方式127.0.0.1,不暴露到公网价值