在 Cursor 或 TRAE 中配置 TOMC
两个客户端均可按各自文档配置 TOMC 本地 stdio MCP 服务。目前的检查覆盖 TOMC 服务本身和配置生成。Cursor 和 TRAE 的安装与工具调用还没在真机上验证。
最快的办法：在装好 .[mcp] 的源码环境里（Python 3.10 或更新）运行 python -m tomc setup --client cursor --write（TRAE 用 --client trae --write --config <文件>），再运行 python -m tomc doctor。--write 会先备份原文件，保留其他服务，重复运行也安全。下面的手动方法使用锁定运行环境，不需要自己准备 Python 环境。
使用锁定运行环境
安装 UV，确保 uv 在 PATH 中，再克隆公开 TOMC 仓库：
git clone https://github.com/ZipengWu365/TOMC.git
plugins/claude-code 目录包含共用的 TOMC 源码、pyproject.toml、uv.lock 和 src/server.py。它也可作为本地 MCP 服务注册到其他客户端；此方法不需要安装 Claude Code，也不需要额外模型 API Key。首次启动时，UV 可能下载兼容的 Python 和锁定依赖。
接入客户端前，先用实际运行目录下载锁定依赖：
uv sync --locked --directory "/absolute/path/to/TOMC/plugins/claude-code"
复制适用于 Cursor 或 TRAE 的模板。Cursor 模板按当前配置文档显式设置 type 为 stdio。替换其中两处绝对路径：运行目录及该目录下的 src/server.py。Windows JSON 路径可使用正斜杠，例如 C:/Tools/TOMC/plugins/claude-code。保留仓库目录，移动后同步更新两处路径。如果 UV 不在 PATH 中，将 command 改为实际可执行文件路径。TRAE 官方文档要求 command 中不能含空格；目录和脚本路径应分别放在 args 的字符串参数中。
Cursor
把 mcpServers.tomc 合并到项目的 .cursor/mcp.json 或个人 ~/.cursor/mcp.json，保留原有服务。重启 Cursor，在 Customize → MCPs 检查 tomc 及其十二个工具，然后说 试一下 TOMC Memory。官方 MCP 配置文档。
如果已用 TOMC 源码安装带 .[mcp] 的 Python 环境，python -m tomc setup --client cursor --write 会把条目（含 "type": "stdio"）合并进 ~/.cursor/mcp.json；python -m tomc setup --client cursor --link 则生成 Add to Cursor 链接。两者都只注册已有环境，不会替另一台电脑安装 TOMC 或依赖。
TRAE
国际版打开 Settings → MCP；若显示本地/云端选项，选择本地，然后用手动 JSON 配置添加模板。项目配置放在 .trae/mcp.json，须先在 Settings → MCP 中启用项目级 MCP。保留其他服务条目。官方参考：国际版手动与项目配置说明、中文配置说明。不同版本或地区的菜单文字可能不同。
如果已从源码安装 .[mcp]，可执行 python -m tomc setup --client trae，打印使用当前 Python 绝对路径的备选 JSON 配置；python -m tomc setup --client trae --write --config <文件路径> 会先备份，再合并进 TRAE 的设置文件或项目 .trae/mcp.json。若命令尚不支持该选项，请更新源码仓库或使用上面的 UV 模板。Python 可执行文件路径含空格时，与 TRAE 文档中的命令限制冲突；改用 PATH 中的 uv 和上述模板。--link 仍仅支持 Cursor。
记忆本与反馈
默认记忆本是本地明文 SQLite 文件 ~/.tomc/memory.sqlite3。需要独立文件时，在 command、args 同级加入 env：
{
"env": {"TOMC_MEMORY_PATH": "/absolute/path/to/tomc-memory.sqlite3"}
}
使用同一路径的客户端可共用显式保存的笔记。TOMC 不会收集其他聊天，也不提供云同步。0.3.1 共十二个工具：try_tomc、prepare_context、remember_memory、recall_memory、list_memories、forget_memory、erase_all_memory、get_status、get_usage_stats、list_contexts、get_context、make_handoff。只有你要求时才保存笔记；prepare_context 和 recall_memory 的结果默认不保存，要保存得运行 tomc settings --save-mcp-results on。删除单本用 forget_memory，全部清空用 erase_all_memory 或 tomc erase-all --yes。返回内容进入宿主助手的上下文，遵循其数据政策。工具调用不会删除宿主已有的聊天历史。
欢迎通过 GitHub Issues反馈安装情况，请提供客户端及地区版本、版本号、操作系统、配置方式和报错。不要附 API Key、私人历史或记忆本内容。