在 WorkBuddy 中配置 TOMC
本文提供腾讯 WorkBuddy 的本地 MCP 手动配置。WorkBuddy 的安装和 TOMC 工具调用还没在真机上验证；此前 TOMC 服务的检查保留各自范围。TOMC 尚未上架腾讯官方市场，也不代表获得腾讯背书。
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 workbuddy --write，再运行 python -m tomc doctor。下面的手动方法使用锁定运行环境。
使用锁定运行环境
安装 UV，确保 uv 在 PATH 中，再克隆公开仓库：
git clone https://github.com/ZipengWu365/TOMC.git
主仓库的 plugins/claude-code 目录包含共用的 TOMC 源码、pyproject.toml、uv.lock 和 src/server.py。WorkBuddy 可把它作为本地 stdio 服务启动，不需要安装 Claude Code。首次启动时，UV 可能下载兼容的 Python 和锁定依赖。TOMC 本身不需要额外模型 API Key 或 GPU。
接入前，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 WorkBuddy 配置模板，替换两处绝对路径：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。如果 UV 不在 PATH 中，将 command 改为实际可执行文件路径。保留仓库目录，移动后同步更新两处路径。
添加服务
打开侧边栏 插件 → MCP 服务器 → 配置 MCP，把 mcpServers.tomc 合并到 JSON，保留其他服务。WorkBuddy 官方配置指南也提供以下文件位置：
| 范围 | 配置文件 |
|---|---|
| 用户级，多个项目共用 | ~/.workbuddy/mcp.json |
| 当前项目 | <项目目录>/.workbuddy/mcp.json |
~ 表示当前用户的主目录。保存后查看服务状态；官方指南用绿色表示连接成功，红色表示配置或启动异常。模板显式设置 stdio，该类型见官方连接器参考。
备选方式是从 TOMC 源码安装 .[mcp]，再执行 python -m tomc setup --client workbuddy --write。它先给 ~/.workbuddy/mcp.json 留一份带时间戳的备份，再合并当前 Python 环境的配置，保留其他服务，重复运行不会再改；项目级文件加 --config <项目目录>/.workbuddy/mcp.json。不加 --write 时只打印配置。可加 --store /absolute/path/to/tomc-memory.sqlite3 指定数据库。--link 仍仅支持 Cursor。重启 WorkBuddy 后确认有十二个工具，再说 试一下 TOMC Memory。
工具、存储与反馈
0.3.1 共十二个工具。try_tomc 用内置样例试跑。prepare_context 处理明确提供的历史；它和 recall_memory 的结果默认都不保存，运行 tomc settings --save-mcp-results on 后才保存。记忆本工具为 remember_memory、recall_memory、list_memories 和 forget_memory；erase_all_memory 确认后删除全部记录。状态与上下文库工具为 get_status、get_usage_stats、list_contexts、get_context 和 make_handoff。仅保存用户明确授权的文本，删除时只处理指定记忆本。
默认记忆本是明文 SQLite 文件 ~/.tomc/memory.sqlite3。使用 UV 模板时，可将以下字段合并到 command、args 同级，指定独立文件：
{
"env": {"TOMC_MEMORY_PATH": "/absolute/path/to/tomc-memory.sqlite3"}
}
使用同一文件的客户端可以共用显式保存的笔记。TOMC 不会收集其他聊天、删除宿主历史，也不提供云同步。返回内容进入 WorkBuddy 上下文，遵循其数据政策。
欢迎通过 GitHub Issues反馈配置情况，请提供 WorkBuddy 版本、操作系统、配置方式和报错。不要附凭据、私人历史或记忆本内容。