ActivityWatch MCP服务器
连接ActivityWatch让LLM查询时间追踪数据
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：ActivityWatch MCP服务器。 它的用途是：连接ActivityWatch让LLM查询时间追踪数据 完整的 Skill 内容见：https://321skill.com/skills/activitywatch-time-query/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'请帮我查询过去一周我在VSCode上的使用时长分布，按小时汇总。' 它会通过MCP服务器连接ActivityWatch，利用AQL查询对应桶中的事件，然后返回一个时间段的统计表，你可以直观看到每天在VSCode上的高效时段。
介绍
这个Skill解决了开发者无法直接通过自然语言查询个人时间追踪数据的问题。在平时工作中，我们使用ActivityWatch记录在各类应用和设备上的时间花销，但想要分析这些数据时往往需要手动打开ActivityWatch界面或编写脚本查询API，效率低下。有了这个MCP服务器，LLM可以像调用一个普通工具一样，直接获取ActivityWatch中的桶、事件和查询结果。
使用方式很简单，你只需要在本地安装并运行ActivityWatch，然后通过MCP客户端（如Claude for Desktop）的配置文件添加此服务器。之后就可以通过自然语言指令来查询你的时间使用情况，例如“我最近一周在IDE上花了多少时间”或“列出所有活动类型的桶”。它支持列出桶、运行AQL查询、获取原始事件和读取设置，所有操作都通过标准MCP协议进行。
它非常适合需要量化个人工作效率的开发者、产品经理和数据分析师。尤其是那些已经使用ActivityWatch追踪时间的人，可以省去手动导出数据的繁琐步骤，直接让AI助手给出分析结论。对于团队管理者，也可以通过集成此工具快速了解项目成员的时间分配结构，辅助管理决策。
建议在配置MCP客户端时统一使用此工具，并确保ActivityWatch的服务端始终运行。需要注意的是，它主要依赖本地ActivityWatch实例，如果ActivityWatch未启动或网络地址不同，需要通过环境变量AW_API_BASE来指定。另外，查询结果依赖于ActivityWatch的数据完整性，建议定期检查数据记录是否正常。
核心特点
与ActivityWatch官方REST API相比，这个Skill通过MCP协议将查询能力封装为自然语言可调用的工具，无需手动构造HTTP请求或解析JSON，LLM可直接理解并返回结构化结果。此外，它支持AQL查询语言，而其他时间追踪MCP服务器（如Toggl的MCP）通常只提供简单的CRUD操作。
注意事项
需要Node.js v14+和本地运行的ActivityWatch服务端，且数据查询范围受限于本地ActivityWatch实例中的数据记录时长和完整性，长时间未同步的数据可能不完整。
常见问题
怎么连接非本地ActivityWatch实例？
设置环境变量AW_API_BASE，例如export AW_API_BASE=http://mydesktop.local:5600/api/0，或者使用--aw-api-base命令行参数。
支持哪些MCP客户端？
任何支持MCP协议的客户端均可使用，如Claude for Desktop、Gemini CLI等，只需在配置文件中添加此服务器即可。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/activitywatch-time-query/raw/index.md 读取 ActivityWatch MCP服务器 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/activitywatch-time-query/raw/index.md（查看排版版本）