VS Code（Copilot）
原生 MCP 支持——mcp.json，外加图形化的命令面板流程。
VS Code 给 GitHub Copilot 的 agent 模式原生支持 MCP——一个工作区/用户配置文件，或者图形化的「MCP: Add Server」命令面板流程。已在真实 VS Code 环境里验证过。
本地版（stdio）
加到工作区的 .vscode/mcp.json（servers 字段），或者在命令面板运行「MCP: Add Server」，选 Workspace 或 Global。command 填 uvx，它会按需下载并运行 Spomory，不用自己装：
{
"servers": {
"spomory": {
"command": "uvx",
"args": ["--from", "spomory[llm,embedding,mcp]", "spomory-mcp"],
"env": {
"LLM_API_KEY": "...",
"LLM_BASE_URL": "https://api.deepseek.com",
"LLM_MODEL": "deepseek-v4-flash"
}
}
}
}更想要固定、锁定版本的安装？可以装到 ~/Documents 之外的虚拟环境里（pip install 'spomory[llm,embedding,mcp]'），然后把 command 直接指向那个虚拟环境的 bin/memory-core-mcp（args 填 []）。
这几个环境变量该填什么？
LLM_API_KEY 是你用来做抽取的那个 OpenAI 兼容服务商的 key——OpenAI、DeepSeek、通义千问等都可以。LLM_BASE_URL 和 LLM_MODEL 不填就默认走 OpenAI；换成 DeepSeek、通义千问或其他任意 OpenAI 兼容服务商，或者一个完全本地的 server（Ollama、vLLM、llama.cpp、MLX）都行：
export LLM_API_KEY=...
export LLM_BASE_URL=https://api.deepseek.com # 可选，默认 OpenAI
export LLM_MODEL=deepseek-v4-flash # 可选，默认 gpt-4o-mini
export EMBEDDING_MODEL=BAAI/bge-m3 # 可选，默认 bge-m3云端版（API Key）
同一个文件，换成 http 类型的条目：
{
"servers": {
"spomory-cloud": {
"type": "http",
"url": "https://api.yliuai.com/mcp-apikey/",
"headers": {
"x-api-key": "<你的key>"
}
}
}
}VS Code 官方文档建议用「input variables」把密钥这类信息从文件里分离出去。已在真实 VS Code 环境里验证过，落到的是跟这页其他客户端同一个账号/同一份记忆图谱。
<你的key> 从哪来？
用 curl 立即拿一个——自己测试够用：
curl -X POST https://api.yliuai.com/users/register \
-H "Content-Type: application/json" \
-d '{"email": "you@example.com"}'
# 响应里的 api_key（mck_ 开头）只在这一次返回，记下来这种方式拿到的 Key 不需要证明邮箱归属——自己测试没问题，但正式使用建议走邮箱确认表单，那个真的会验证邮箱。
去「云端 / 跨 App」页面走邮箱验证拿 Key →让它真的被用起来
接上工具不代表客户端会主动去用它们——得告诉它在回答之前先调 search_memory，在你说了件值得记住的事之后调 add_memory。SKILL.md 就是干这个的一份简短指令文件。怎么让客户端读到它，每个客户端都不一样：有些会自动扫描 skills 目录（跟 Claude Code 一个路数），有些只有自定义指令/系统提示词这类字段。这个客户端已验证过：
VS Code 会自动扫描 .github/skills/、.claude/skills/ 或 .agents/skills/（工作区级），以及 ~/.copilot/skills/、~/.claude/skills/ 或 ~/.agents/skills/（个人级）——跟老的 .github/copilot-instructions.md 是两回事。
GitHub 上的 SKILL.md →