MCP Dual Cycle Reasoner

🚀 MCP雙循環推理器

MCP雙循環推理器是一個實現了雙循環元認知推理框架的模型上下文協議（MCP）服務器，專為自主智能體打造。該工具藉助智能循環檢測和經驗獲取能力，賦予智能體更強的自我意識和可靠性，有效提升其決策的自主性和準確性。

🚀 快速開始

若要在本地運行該項目，請按照以下步驟操作：

1. 克隆倉庫：

   git clone https://github.com/cyqlelabs/mcp-dual-cycle-reasoner.git
   cd mcp-dual-cycle-reasoner
   

2. 安裝依賴：

   npm install
   

3. 構建項目：

   npm run build
   

✨ 主要特性

• 📊 高級統計分析：基於熵的異常檢測和時間序列分析。
• 🧠 增強的基於案例的推理：通過基於自然語言推理（NLI）的文本分析進行語義相似度匹配。
• 🎯 多策略檢測：統計、基於模式和混合循環檢測。
• 📈 時間序列分析：趨勢檢測和週期性模式識別。
• 🔧 可配置檢測：特定領域的閾值和進度指標。
• 🎨 智能案例管理：質量評分、去重和基於使用情況的優化。
• 🚀 高性能庫：使用 simple-statistics、natural、compromise 和HuggingFace Transformers構建。

📦 安裝指南

運行服務器

可以通過兩種模式運行服務器：

1. HTTP流（默認）：

   npm start
   

   服務器將在8080端口啟動。

2. 標準輸入輸出（Stdio）：

   npm start -- --stdio
   

與Claude Desktop配合使用

在Claude Desktop的MCP配置中添加以下內容：

{
  "mcpServers": {
    "dual-cycle-reasoner": {
      "command": "npx",
      "args": ["@cyqlelabs/mcp-dual-cycle-reasoner"]
    }
  }
}

若使用標準輸入輸出傳輸，在 args 數組中添加 --stdio 標誌。

💻 使用示例

基礎用法

以下是一個完整的示例，展示瞭如何使用雙循環推理器監控自主智能體並逐步積累經驗：

// 為你的領域配置檢測參數
await configure_detection({
  progress_indicators: ['page_loaded', 'form_submitted', 'data_extracted'],
  min_actions_for_detection: 3,
  alternating_threshold: 0.6,
  repetition_threshold: 0.3,
  semantic_intents: [
    'navigating to page',
    'clicking element',
    'filling form field',
    'submitting form',
    'validating input',
    'handling popup',
    'extracting data',
    'waiting for response',
  ],
});

// 開始監控智能體的目標
await start_monitoring({
  goal: 'Complete user registration process on website',
});

高級用法

// 監控智能體的每個動作
await process_trace_update({
  last_action: 'click_signup_button',
  current_context: 'homepage',
  goal: 'Complete user registration process on website',
});

// ... 智能體繼續執行動作 ...

// 智能體陷入重複點擊提交按鈕的循環
await process_trace_update({
  last_action: 'click_submit_button',
  current_context: 'registration_form',
  goal: 'Complete user registration process on website',
});
// 返回結果: {
//   "intervention_required": true,
//   "loop_detected": {
//     "detected": true,
//     "type": "action_repetition",
//     "confidence": 0.85,
//     "details": "Loop detected via parameter_repetition: 57% anomaly score...",
//     "actions_involved": ["click_submit_button"]
//   }
// }

// 存儲成功的經驗
await store_experience({
  problem_description: 'Email validation error blocking form submission',
  solution: 'Check email format and retry with valid email address',
  outcome: true,
  context: 'registration_form',
  goal_type: 'user_registration',
  difficulty_level: 'medium',
});

// 當檢測到循環時，檢索相似案例以恢復
const similarCases = await retrieve_similar_cases({
  problem_description: 'Form submission button not responding to clicks',
  max_results: 3,
  context_filter: 'registration_form',
  outcome_filter: true,
});

📚 詳細文檔

可用工具

核心監控工具

start_monitoring

初始化對智能體認知過程的元認知監控。 輸入模式：

{
  goal: string; // 當前正在追求的目標
  initial_beliefs?: string[]; // 關於任務的初始信念
}

process_trace_update

主要的監控函數，處理來自智能體的認知軌跡更新。 輸入模式：

{
  last_action: string; // 最新的動作名稱
  current_context?: string; // 當前的環境上下文
  goal: string; // 當前正在追求的目標
  window_size?: number; // 監控窗口大小（默認值：10）
}

stop_monitoring

停止元認知監控並獲取會話摘要。 輸入模式：{}

循環檢測工具

detect_loop

使用各種策略檢測智能體是否陷入循環。 輸入模式：

{
  current_context?: string; // 當前的環境上下文
  goal: string; // 當前正在追求的目標
  detection_method?: "statistical" | "pattern" | "hybrid"; // 檢測方法（默認值："hybrid"）
}

configure_detection

配置循環檢測參數和特定領域的進度指標。 輸入模式：

{
  progress_indicators?: string[];
  min_actions_for_detection?: number;
  alternating_threshold?: number;
  repetition_threshold?: number;
  progress_threshold_adjustment?: number;
  semantic_intents?: string[];
}

增強的經驗管理

store_experience

存儲一個案例，以便將來進行基於案例的推理，並帶有增強的元數據和質量評分。 輸入模式：

{
  problem_description: string;
  solution: string;
  outcome: boolean;
  context?: string;
  goal_type?: string;
  difficulty_level?: "low" | "medium" | "high";
}

retrieve_similar_cases

使用高級語義匹配和過濾檢索相似案例。 輸入模式：

{
  problem_description: string;
  max_results?: number;
  context_filter?: string;
  goal_type_filter?: string;
  difficulty_filter?: "low" | "medium" | "high";
  outcome_filter?: boolean;
  min_similarity?: number;
}

系統工具

get_monitoring_status

獲取當前的監控狀態和統計信息。 輸入模式：{}

reset_engine

重置雙循環引擎的狀態。 輸入模式：{}

🔧 技術細節

技術棧

• 編程語言：TypeScript
• 框架：Node.js
• 服務器：用於服務器發送事件（SSE）傳輸的FastMCP
• 自然語言處理和機器學習：
  • @huggingface/transformers：用於基於NLI的語義分析
  • natural：用於情感分析和分詞
  • compromise：用於自然語言處理
• 統計：
  • simple-statistics：用於統計計算
  • ml-matrix：用於矩陣運算
• 開發工具：
  • jest：用於測試
  • eslint：用於代碼檢查
  • prettier：用於代碼格式化
  • zod：用於模式驗證

📄 許可證

本項目採用MIT許可證。詳情請參閱 LICENSE 文件。

貢獻說明

歡迎貢獻代碼！請閱讀貢獻指南，並在提交拉取請求之前確保所有測試都通過。