Project Synapse MCP

🚀 🧠 項目突觸MCP服務器

項目突觸是一款革命性的MCP（模型上下文協議）服務器，它能將原始文本轉化為相互關聯的知識圖譜，並通過先進的模式檢測自主生成見解。該項目結合了形式語義分析（蒙塔古語法）和卡片盒筆記法（Zettelkasten），與人工智能建立了真正的認知夥伴關係。

🚀 快速開始

前提條件

• Python 3.10+
• Neo4j 數據庫
• uv 包管理器（推薦）

安裝

1. 克隆並設置項目：

cd /home/ty/Repositories/ai_workspace
git clone <repository-url> project-synapse-mcp
cd project-synapse-mcp

# 創建虛擬環境
uv venv --python 3.12 --seed
source .venv/bin/activate

# 安裝依賴
uv add -e .

2. 設置 Neo4j 數據庫：

# 安裝 Neo4j (Ubuntu/Debian)
sudo apt update
sudo apt install neo4j

# 啟動 Neo4j 服務
sudo systemctl start neo4j
sudo systemctl enable neo4j

# 設置密碼（默認用戶：neo4j）
sudo neo4j-admin set-initial-password synapse_password

3. 下載 spaCy 模型：

uv run python -m spacy download en_core_web_sm

4. 配置環境：

cp .env.example .env
# 使用你的配置編輯 .env

與 Claude 桌面版集成

將以下內容添加到你的 Claude 桌面版配置文件（在 macOS 上為 ~/Library/Application Support/Claude/claude_desktop_config.json）中：

{
  "mcpServers": {
    "project-synapse": {
      "command": "uv",
      "args": [
        "--directory",
        "/path-to-your/project-synapse-mcp",
        "run",
        "python",
        "-m",
        "synapse_mcp.server"
      ],
      "env": {
        "NEO4J_URI": "bolt://localhost:7687",
        "NEO4J_USER": "neo4j",
        "NEO4J_PASSWORD": "<your-neo4j-password>",
        "NEO4J_DATABASE": "neo4j",
        "LOG_LEVEL": "INFO"
      }
    }
  }
}

✨ 主要特性

🔬 語義藍圖（蒙塔古語法）

• 形式語義分析，用於精確提取含義
• 使用 lambda 演算的組合語義學
• 從自然語言生成邏輯形式
• 通過基於規則的框架解決歧義

🕸️ 知識皮層（Neo4j 圖數據庫）

• 實體、關係和事實的相互關聯存儲
• 高性能圖遍歷和模式檢測
• 支持複雜查詢的可擴展架構
• 所有知識元素的來源跟蹤

🧮 自主卡片盒筆記引擎

• 使用圖算法和機器學習進行模式檢測
• 帶有置信度評分的自主見解生成
• 所有假設的可審計推理軌跡
• 持續學習和知識綜合

🔄 MCP 集成

• 完全符合 MCP 協議，用於大語言模型集成
• 豐富的知識操作工具集
• 用於知識統計的實時資源
• 用於語義分析工作流程的引導式提示

🛠️ 核心工具

ingest_text

使用完整的語義管道處理和分析文本：

攝入原始文本 → 蒙塔古語法解析 → 實體提取 → 知識圖譜存儲 → 自動見解生成

generate_insights

觸發自主見解生成：

• 使用圖算法進行模式檢測
• 社區檢測和中心性分析
• 語義聚類和路徑分析
• 帶有置信度評分的假設生成

query_knowledge

自然語言查詢，優先提供見解：

• 優先考慮綜合見解而非原始事實
• 提供完整的推理軌跡
• 支持複雜的語義查詢

explore_connections

圖遍歷，用於發現隱藏關係：

• 多跳連接探索
• 意外路徑識別
• 關係強度分析

analyze_semantic_structure

使用蒙塔古語法進行深度語義分析：

• 邏輯形式生成
• 實體 - 關係提取
• 真值條件語義學
• 組合意義分析

📊 資源

synapse://knowledge_stats

實時知識圖譜統計：

• 實體和關係計數
• 見解生成指標
• 處理性能數據
• 系統健康指標

synapse://insights/{topic}

特定主題的見解檢索：

• 與主題相關的所有見解
• 證據軌跡和置信度評分
• 模式類型分類
• 見解的時間順序發展

🎯 提示

知識綜合提示

使用形式語義推理和卡片盒筆記法進行全面主題分析的結構化提示。

語義分析提示

基於蒙塔古語法進行深度語義分析的多輪對話模板。

見解驗證提示

根據證據和邏輯一致性對人工智能生成的見解進行系統驗證。

🧭 架構

┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   文本輸入      │───▶│  蒙塔古解析器   │───▶│  知識圖譜      │
└─────────────────┘    └──────────────────┘    └─────────────────┘
                                                         │
┌─────────────────┐    ┌──────────────────┐             │
│   MCP 客戶端    │◀───│  見解引擎       │◀────────────┘
│   (Claude AI)   │    │  (卡片盒筆記法) │
└─────────────────┘    └──────────────────┘

組件

1. 語義藍圖：用於形式意義分析的蒙塔古語法解析器
2. 知識皮層：用於相互關聯存儲的 Neo4j 圖數據庫
3. 卡片盒筆記引擎：自主模式檢測和見解綜合
4. MCP 接口：與大語言模型應用程序的協議兼容集成

🔧 配置

環境變量

完整的配置選項請參閱 .env.example：

• 數據庫：Neo4j 連接設置
• 人工智能模型：各種提供商的 API 密鑰
• 處理：批量大小和閾值
• 見解生成：置信度級別和間隔

性能調優

• 調整 SEMANTIC_BATCH_SIZE 以提高處理吞吐量
• 配置 PATTERN_DETECTION_INTERVAL 以控制見解生成頻率
• 設置 INSIGHT_CONFIDENCE_THRESHOLD 進行質量控制

🧪 開發

運行測試

uv run pytest tests/

開發服務器

# 直接運行服務器進行開發
uv run python -m synapse_mcp.server

# 或者使用 MCP 開發工具
mcp dev src/synapse_mcp/server.py

代碼質量

# 格式化代碼
uv run ruff format .

# 檢查代碼風格
uv run ruff check .

# 類型檢查
uv run mypy src/

📚 理論基礎

蒙塔古語法

• 形式組合語義學
• 用於意義表示的 lambda 演算
• 模型論語義學的真值條件
• 系統的句法 - 語義對應

卡片盒筆記法

• 具有唯一標識符的原子知識單元
• 用於知識網絡的顯式鏈接
• 通過自下而上的組織形成湧現結構
• 持續擴展和建立連接

圖論

• 用於知識聚類的社區檢測
• 用於重要性排名的中心性分析
• 用於連接發現的路徑分析
• 用於見解生成的網絡拓撲

🤝 貢獻

1. 分叉倉庫
2. 創建功能分支（git checkout -b feature/amazing-feature）
3. 提交更改（git commit -m 'Add amazing feature'）
4. 推送到分支（git push origin feature/amazing-feature）
5. 打開拉取請求

開發指南

• 遵循 PEP 8 並使用類型提示
• 編寫全面的文檔字符串
• 為新功能添加測試
• 為更改更新文檔

📄 許可證

本項目採用 MIT 許可證 - 詳情請參閱 LICENSE 文件。

🙏 致謝

• 理查德·蒙塔古（Richard Montague）的蒙塔古語法基礎工作
• 尼古拉斯·盧曼（Niklas Luhmann）啟發的卡片盒筆記法
• 人工智能公司 Anthropic 的 MCP 協議，用於大語言模型集成
• Neo4j 出色的圖數據庫

🔮 路線圖

• [ ] 多模態處理（圖像、文檔）
• [ ] 實時協作知識構建
• [ ] 超越蒙塔古語法的高級自然語言處理
• [ ] 與外部知識庫集成
• [ ] 移動和 Web 界面
• [ ] 企業安全功能

項目突觸：將人工智能從被動信息檢索轉變為主動認知夥伴關係。