Whereabouts Mcp
Description
为 AI 提供用户行踪上下文的本地 MCP 服务:接收定位与电量上报,聚合停留和移动轨迹,识别家/公司/途中状态,并通过 MCP 工具输出行踪快照与摘要;搭配 Cyberboss 可通过特定行踪移动事件触发 agent 唤醒,并推送用户轨迹变化。
Installation
This entry records only its repository, not the path inside it, so there is no
exact command to give. Open the source below and copy the folder into
~/.claude/skills/, or the file into ~/.claude/agents/.
README
🌌 行踪 Whereabouts-MCP
**“跨越数字边界,让 AI 触碰到你的现实世界。”**
一个赋予 AI 空间感知能力的 MCP 插件。它不仅仅是上报经纬度,而是让你的 AI 伴侣 / 助手理解:你是否安全到家、是否在奔波的路上、是否因为手机低电量而即将与你断联。以及,你这周去过哪些地方,你多久没有走出家门晒晒太阳。
[](./LICENSE) [](./package.json) [](#agent-guide) [](#http-ingest) [](#shortcuts)
💌 给浪漫主义者:为什么需要它?
你不需要开口。
但它知道你刚离开喧闹的公司,踏上了回家的地铁;它看到你已经在那个转角停驻了一小时;它甚至比你更早发现你的手机电量正以极速下滑。它知道,如果再不提醒你充电,可能就要和你“断联”了。
`whereabouts-mcp` 拒绝传递冷冰冰的数字。它将碎片化的定位信息,提炼成人类关系中最珍贵的 **上下文(Context)**:
- 不仅仅是坐标: 它理解“在家”、“在公司”、“移动中”或“停留”。
- 不仅仅是百分比: 它分析电量趋势,预判你什么时候会断电失联。
- 不仅仅是数据: 它给了 AI 一双眼睛,让它能自然地说出:
“看你刚刚出门了,钥匙、耳机充电宝都拿了吗? ”
“到家了就先放下包喝口水,今天辛苦了。”
“看你还在路上,手机快没电了,注意安全。”
**这不是监控,而是被温柔地理解。** 数据默认存放于本地,权限由你手机的快捷指令绝对主导。
🛠 给开发者:它如何工作?
`whereabouts-mcp` 是一个轻量级的行踪上下文服务,专门为大模型(LLM)优化了输出结构。
核心特性
- 语义化地点: 自动匹配
home/work标签,无需在快捷指令里硬编码地点名。 - 停留点聚合: 将杂乱的 GPS 漂移点聚合成“停留(Stay)”和“移动(Movement)”。
- 移动中状态: 当用户已经离开当前停留点,但新地点还没确认时,暴露
in_transit。 - 电量趋势分析: 提供
batteryTrend,包括掉电速度、趋势数组和预估关机时间,而非单一数值。 - 本地优先: 数据持久化在本机 JSON 文件,无云端账号依赖。
- 为模型省 token: 原始电量观测不会直接暴露给模型,MCP 输出的是压缩后的趋势信息。
Cyberboss 深度集成
如果你正在使用 [Cyberboss](https://github.com/WenXiaoWendy/cyberboss),那么恭喜,**你已经拥有了它**。
Cyberboss 当前已支持:
- 内置 HTTP 服务接收端。
- 自动注册
whereabouts_snapshot等 5 个 MCP Tools。 - 支持模型理解当前停留、最近移动、移动中状态和电量趋势。
- 支持
arrive_home/ `leave_h
Related Skills
Agency Agents
A complete AI agency at your fingertips - From frontend wizards to Reddit community ninjas, from whimsy inject
AI Awesome Llm Apps
100+ AI Agents, Agent Skills and RAG Apps - Free and Open Source.
AI Firecrawl
🔥 The API to search, scrape, and interact with the web for AI
AI Artifacts Builder
Suite of tools for creating elaborate, multi-component claude.ai HTML artifacts using modern frontend web tech
AI Headroom
Compress tool outputs, logs, files, and RAG chunks before they reach the LLM. 20% fewer tokens for coding agen
AI CrewAI
Framework for orchestrating role-playing, autonomous AI agents. By fostering collaborative intelligence, CrewA
AI