在当今数据隐私日益重要的时代，构建个人 AI 助手时，避免依赖外部云服务成为关键需求。DeepChat 作为一个开源的 TypeScript 构建的 AI 聊天平台，支持多模型集成和工具调用，正是实现这一目标的理想选择。通过集成本地 API，AI 助手可以直接访问用户的日历、邮件和文件，实现隐私保护的个性化服务，而无需传输敏感数据到远程服务器。这种方法不仅降低了数据泄露风险，还提升了响应速度和自定义灵活性。本文将聚焦于在 DeepChat 中使用 TypeScript 实现这些本地集成的具体步骤和最佳实践，帮助开发者构建安全的个人 AI 系统。
首先，理解 DeepChat 的核心优势。它基于 Electron 和 Vue.js，支持本地模型如 Ollama，并通过 MCP（Model Context Protocol）协议启用工具调用。这允许 AI 模型在对话中智能调用自定义函数，例如读取本地文件或查询日历事件，而所有操作均在用户设备上完成。DeepChat 的隐私导向设计，包括本地数据存储和网络代理支持，进一步强化了其在个人 AI 场景中的适用性。根据官方文档，DeepChat 支持 MCP 的 Resources、Prompts 和 Tools 三种核心能力，其中 Tools 特别适合本地 API 集成。
准备工作：环境配置
要开始集成，首先需要安装 DeepChat。从 GitHub 仓库克隆项目并构建：
git clone https://github.com/ThinkInAIXYZ/deepchat.git
cd deepchat
pnpm install
pnpm run build:win
DeepChat 使用 pnpm 作为包管理器，确保 Node.js 版本 ≥18。接下来，安装本地 API 所需的依赖。对于日历，使用 node-ical 解析 ICS 文件；对于邮件，使用 nodemailer 发送和 imap 读取（假设本地 SMTP/IMAP 服务器如 Postfix 或 Dovecot）；文件使用内置 fs 模块。
pnpm add node-ical nodemailer imap fs-extra
pnpm add -D @types/node-ical @types/nodemailer @types/imap
定义一个 TypeScript 接口来规范工具函数，确保类型安全：
interface LocalTool {
name: string;
description: string;
parameters: {
type: 'object';
properties: Record<string, { type: string; description: string }>;
required: string[];
};
execute: (params: any) => Promise<any>;
}
这些准备确保了集成过程的顺利进行，无需任何外部 API 密钥。
集成本地日历 API
本地日历集成通常涉及解析用户的 ICS 文件，这些文件可从本地应用如 Thunderbird 或手动导出生成。使用 node-ical 库，可以轻松读取和解析事件。
首先，定义 MCP Tool 函数：
import ical from 'node-ical';
const calendarTool: LocalTool = {
name: 'read_calendar',
description: '读取本地 ICS 日历文件中的事件，支持日期范围查询',
parameters: {
type: 'object',
properties: {
filePath: { type: 'string', description: 'ICS 文件路径' },
startDate: { type: 'string', description: '开始日期 (YYYY-MM-DD)' },
endDate: { type: 'string', description: '结束日期 (YYYY-MM-DD)' }
},
required: ['filePath']
},
async execute({ filePath, startDate, endDate }) {
const data = await ical.async.parseFile(filePath);
const events = Object.values(data)
.filter((event: any) => event.type === 'VEVENT')
.filter((event: any) => {
const eventDate = new Date(event.start);
return !startDate || eventDate >= new Date(startDate)) &&
(!endDate || eventDate <= new Date(endDate));
})
.map((event: any) => ({
summary: event.summary,
start: event.start.toISOString(),
end: event.end.toISOString(),
description: event.description
}));
return { events };
}
};
在 DeepChat 的 MCP 服务中注册此工具。通过内置的 inMemory 服务，AI 模型可以在对话中调用如“今天有什么会议？”时，自动执行此函数并返回结果。参数配置建议：限制 filePath 到用户主目录下的子路径，避免跨盘访问；超时阈值设为 5 秒，防止长时间阻塞。
这种集成允许 AI 助手如“帮我安排下午会议”时，查询可用时段，而所有数据本地处理，确保隐私。
集成本地邮件 API
邮件集成更注重读取和发送本地服务器上的邮件。假设用户运行本地 IMAP/SMTP 服务器，使用 imap 库读取收件箱，nodemailer 发送。
定义读取邮件工具：
import Imap from 'imap';
import { simpleParser } from 'mailparser';
const emailTool: LocalTool = {
name: 'read_emails',
description: '从本地 IMAP 服务器读取邮件，支持主题和发件人过滤',
parameters: {
type: 'object',
properties: {
host: { type: 'string', description: 'IMAP 主机，默认 localhost' },
port: { type: 'number', description: '端口，默认 143' },
username: { type: 'string', description: '用户名' },
password: { type: 'string', description: '密码' },
subject: { type: 'string', description: '主题过滤' }
},
required: ['username', 'password']
},
async execute({ host = 'localhost', port = 143, username, password, subject }) {
return new Promise((resolve, reject) => {
const imap = new Imap({ user: username, password, host, port, tls: false });
imap.once('ready', () => {
imap.openBox('INBOX', true, (err, box) => {
if (err) return reject(err);
imap.search([['SUBJECT', subject || '']], (err, results) => {
if (err) return reject(err);
const fetch = imap.fetch(results, { bodies: '' });
fetch.on('message', (msg) => {
msg.on('body', (stream) => {
simpleParser(stream, (err, parsed) => {
if (!err && parsed) resolve({ from: parsed.from?.text, subject: parsed.subject, text: parsed.text });
});
});
});
imap.end();
});
});
});
imap.once('error', reject);
});
}
};
对于发送，使用 nodemailer 配置本地 SMTP。安全参数：使用环境变量存储凭证；限制查询结果到最近 10 封邮件；集成加密传输，即使本地也建议 TLS。
AI 可以调用此工具响应“回复最新邮件”，本地生成并发送内容。
集成本地文件 API
文件访问最简单，使用 Node.js fs 模块。DeepChat 的 Electron 环境天然支持文件系统操作。
import fs from 'fs-extra';
const fileTool: LocalTool = {
name: 'read_file',
description: '读取本地文件内容，支持路径和编码指定',
parameters: {
type: 'object',
properties: {
path: { type: 'string', description: '文件路径' },
encoding: { type: 'string', description: '编码，默认 utf8' }
},
required: ['path']
},
async execute({ path, encoding = 'utf8' }) {
if (!path.startsWith(process.env.HOME || '/')) throw new Error('路径限制');
const content = await fs.readFile(path, encoding);
return { content: content.toString().substring(0, 10000) };
}
};
引用 Node.js 文档：“Node.js fs 模块提供文件系统访问。”此工具允许 AI 如“总结我的笔记”时读取 ~/Documents/notes.txt。
在 DeepChat 中配置和使用
在 DeepChat 的开发者模式下，编辑 MCP 服务配置。将以上工具添加到 inMemory services：
const localTools = [calendarTool, emailTool, fileTool];
export const mcpServices = {
inMemory: {
tools: localTools
}
};
重启 DeepChat，选择本地 Ollama 模型。AI 在对话中会根据提示自动调用工具，例如“检查我的日历并回复邮件”。监控点：日志工具调用次数，阈值 >50 次/小时 则警报潜在滥用。
最佳实践与风险控制
隐私是核心：使用沙箱如 Electron 的 contextIsolation 隔离工具执行；权限清单：用户手动批准每个工具首次调用；回滚策略：如果工具失败，fallback 到简单提示。参数优化：日历查询限 7 天窗口；邮件限 5 封/次；文件限 10KB。风险包括本地权限提升，使用 chroot 或 Docker 容器化 DeepChat 实例。测试中，确保无数据外泄：使用 Wireshark 验证无网络流量。
通过这些集成，DeepChat 转变为强大的个人 AI 助手，处理日常任务如日程提醒、邮件自动化和文件搜索，全程本地隐私保护。开发者可进一步扩展到语音或图像工具，构建完整生态。未来，随着本地模型进步，这种范式将更普及。
（字数约 1250）