Ai Cognitive Nexus MCP

🚀 AI認知中樞 (認知中樞)

AI認知中樞是一個專業的、可動態編組的AI團隊協作與編排的MCP。它允許用戶通過簡單指令創建、管理和指揮由多個AI智能體組成的層級化團隊，有效解決複雜和多階段任務。

✨ 主要特性

• 🤖 動態團隊編組：可即時創建、更新和刪除AI團隊，團隊成員可以是獨立AI智能體，甚至是其他團隊，實現無限層級化協作。
• 🧠 上下文情景注入：藉助人物 (Persona) 和 產品知識庫 (Product) 系統，為AI團隊執行任務提供精確的角色扮演指令和專業領域知識。
• 🔗 層級化團隊依賴：系統自動處理複雜的團隊依賴關係（如團隊A是團隊B的成員），通過拓撲排序確保正確的初始化順序，並能檢測和防止循環依賴。
• 💾 持久化會話狀態：內置會話管理器，能夠跟蹤和記錄多輪對話歷史，讓AI團隊具備長期記憶，勝任連續性任務。
• 🔌 可插拔大模型：支持通過環境變量在不同的大語言模型提供商（如DeepSeek、OpenAILike服務等）之間無縫切換，靈活適應不同成本和性能需求。
• 🛠️ 可擴展智能體工具：為每個AI智能體配置專屬工具集（如 ThinkingTools、ExaTools），賦予其超越語言能力的專業技能。
• 🤝 原生MCP協議：基於Model Context Protocol構建，可無縫與任何支持MCP的AI助手（如OpenAI Assistants、Coze、Dify、Chatwise等）集成。

🚀 快速開始

核心概念

Cognitive Nexus 的強大能力源於以下幾個核心概念的組合與協同：

工作流程：當一個任務開始時，您可以指定一個團隊 (Team) 作為執行者，併為其配備特定的人物 (Persona) 和產品 (Product) 作為上下文，從而精確地指導團隊完成任務。

📦 安裝指南

1. 環境要求

• Python 3.10+
• pip 或 uv 等Python包管理工具
• 支持MCP的AI客戶端（如Coze、Dify或其他兼容的Agent）

2. 安裝依賴

# 1. 克隆項目
git clone https://github.com/SimonUTD/ai-cognitive-nexus-mcp.git
cd ai-cognitive-nexus-mcp

# 2. (推薦) 創建並激活虛擬環境
python -m venv .venv
source .venv/bin/activate  # on Windows, use `.venv\Scripts\activate`

# 3. 安裝依賴
pip install -r requirements.txt

3. 配置 .env 文件

這是配置模型提供商和API Key的首選方式。

# 1. 複製環境變量模板
cp .env.example .env

# 2. 編輯 .env 文件，填入你的配置信息
# LLM_PROVIDER: 設置默認使用的模型服務商 ("deepseek" 或 "openailike")
LLM_PROVIDER="deepseek"

# --- OpenAILike 服務商配置 ---
# 如果使用類似 ZhipuAI, Moonshot, Groq 等 OpenAI 兼容接口，請配置以下三項
OpenAILike_API_KEY="your_api_key_here"
OpenAILike_BASE_URL="https://api.example.com/v1"
OpenAILike_MODEL_ID="glm-4" # 用於團隊協調的模型
OpenAILike_AGENT_MODEL_ID="glm-4" # 用於單個Agent的模型

# EXA 搜索 配置
EXA_API_KEY="your_exa_key_here" # 用於 EXA 工具的 API Key

4. 啟動服務器

直接運行 main.py 即可通過標準輸入輸出 (stdio) 啟動MCP服務器。

python main.py

您也可以在支持MCP的客戶端（如Chatwise）中配置此命令，實現自動拉起。

📚 詳細文檔

📄 API 參考 (MCP Tools)

Cognitive Nexus 向AI助手暴露了一系列工具，用於管理和運行AI團隊。

會話管理

• start_session(initial_context: str)：創建一個新會話，用於跟蹤後續的交互歷史。

人物 (Persona) 管理

• create_persona(persona_key: str, data: dict)：創建一個新的人物角色。
• list_personas()：列出所有可用的人物。
• get_persona(persona_key: str)：獲取指定人物的詳細信息。
• update_persona(persona_key: str, data: dict)：更新一個已存在的人物。
• delete_persona(persona_key: str)：刪除一個人物。

產品 (Product) 管理

• create_product(product_key: str, data: dict)：創建一個新產品及其知識庫。
• list_products()：列出所有產品。
• get_product(product_key: str)：獲取產品詳情和知識庫。
• update_product(product_key: str, data: dict)：更新產品信息。
• delete_product(product_key: str)：刪除一個產品。

角色/智能體 (Agent) 管理

• create_agent(agent_key: str, data: dict)：創建一個獨立的AI智能體。
• list_agents()：列出所有智能體。
• get_agent(agent_key: str)：獲取智能體配置。
• update_agent(agent_key: str, data: dict)：更新智能體配置（將自動重載所有團隊）。
• delete_agent(agent_key: str)：刪除一個智能體。

團隊 (Team) 管理

• create_team(team_key: str, data: dict)：創建一個新團隊。
• list_teams()：列出所有團隊及其狀態（激活/配置錯誤）。
• get_team_config(team_key: str)：獲取團隊的原始配置。
• update_team(team_key: str, data: dict)：更新團隊配置（將自動嘗試重載）。
• delete_team(team_key: str)：刪除一個團隊。

核心執行單元

• run_ai_team(team_name: str, prompt: str, session_id: str, persona_key: str, product_key: str) 這是框架的核心功能，用於指揮一個團隊執行任務。
  • team_name (必需)：要運行的團隊的Key。
  • prompt (必需)：本次任務的核心指令。
  • session_id (可選)：關聯的會話ID，用於加載歷史記錄和保存結果。
  • persona_key (可選)：本次任務中AI需要扮演的人物角色的Key。
  • product_key (可選)：本次任務關聯的產品的Key，用於加載特定知識庫。

❓ 常見問題 (FAQ)

Q：如何創建一個“產品經理Agent”和一個“研發團隊”，並讓他們協作？

A：非常簡單，分三步：

1. 創建Agent：調用 create_agent 創建一個 product_manager Agent，再創建兩個研發 developer_a 和 developer_b Agent。在 description 和 instructions 中詳細描述他們的職責。
2. 創建Team：調用 create_team 創建一個 dev_team，其 members 列表為 ["developer_a", "developer_b"]。
3. 運行：調用 run_ai_team，讓 product_manager Agent 直接執行任務，或者創建一個更上層的 project_team，讓 product_manager 和 dev_team 作為其成員，然後運行 project_team。

Q：如果我創建了一個循環依賴的團隊（如團隊A包含B，團隊B又包含A），會發生什麼？

A：系統會自動檢測到。在您調用 create_team 或 update_team 時，如果新的配置引入了循環依賴，該操作會失敗並返回錯誤信息，同時您的修改將被自動回滾，確保系統始終處於可用的狀態。

Q：我如何切換使用的AI模型，比如從智譜的GLM - 4切換到月之暗面的Moonshot？

A：只需修改 .env 文件：

1. 設置 LLM_PROVIDER="openailike"。
2. 設置 OpenAILike_API_KEY 為你的Moonshot API Key。
3. 設置 OpenAILike_BASE_URL 為Moonshot的服務地址 (https://api.moonshot.cn/v1)。
4. 設置 OpenAILike_MODEL_ID 為你想用的模型ID (如 moonshot-v1-8k)。
5. 設置 EXA_API_KEY 為你的EXA API Key。
6. 重啟MCP服務器即可生效。