MCP Dual Cycle Reasoner

🚀 MCP双循环推理器

MCP双循环推理器是一款实现了双循环元认知推理框架的模型上下文协议（MCP）服务器，专为自主智能体设计。该工具通过智能的循环检测和经验获取，赋予智能体更强的自我认知能力和可靠性。

🚀 快速开始

安装

要在本地运行该项目，请按照以下步骤操作：

1. 克隆仓库：

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

2. 安装依赖：

npm install

3. 构建项目：

npm run build

运行服务器

可以通过两种模式运行服务器：

1. HTTP流（默认）：

npm start

服务器将在8080端口启动。 2. 标准输入输出：

npm start -- --stdio

与Claude桌面版配合使用

在Claude桌面版的MCP配置中添加以下内容：

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

若使用标准输入输出传输，需在args数组中添加--stdio标志。

✨ 主要特性

• 📊 高级统计分析：基于熵的异常检测和时间序列分析。
• 🧠 增强的基于案例的推理：通过基于自然语言推理（NLI）的文本分析进行语义相似度匹配。
• 🎯 多策略检测：统计、基于模式和混合循环检测。
• 📈 时间序列分析：趋势检测和周期性模式识别。
• 🔧 可配置检测：特定领域的阈值和进度指标。
• 🎨 智能案例管理：质量评分、去重和基于使用情况的优化。
• 🚀 高性能库：使用simple-statistics、natural、compromise和HuggingFace Transformers构建。

📦 安装指南

若要在本地运行此项目，可按以下步骤操作：

1. 克隆仓库：

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

2. 安装依赖：

npm install

3. 构建项目：

npm run build

💻 使用示例

基础用法

以下是一个完整的示例，展示了如何使用双循环推理器来监控自主智能体并逐步积累经验：

// 为你的领域配置检测参数
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',
  ],
});

// 开始监控智能体的目标
await start_monitoring({
  goal: 'Complete user registration process on website',
});

高级用法

// 监控智能体的每个动作
await process_trace_update({
  last_action: 'click_signup_button',
  current_context: 'homepage',
  goal: 'Complete user registration process on website',
});

// ... 智能体继续执行动作 ...

// 智能体陷入重复点击提交按钮的循环
await process_trace_update({
  last_action: 'click_submit_button',
  current_context: 'registration_form',
  goal: 'Complete user registration process on website',
});
// 返回结果: {
//   "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"]
//   }
// }

// 存储成功的经验
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',
});

// 当检测到循环时，检索相似案例以恢复
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,
});

📚 详细文档

可用工具

核心监控工具

• start_monitoring：初始化对智能体认知过程的元认知监控。 输入模式：

{
  goal: string; // 当前正在追求的目标
  initial_beliefs?: string[]; // 关于任务的初始信念
}

• process_trace_update：主要的监控函数，处理来自智能体的认知跟踪更新。 输入模式：

{
  last_action: string; // 最新的动作名称
  current_context?: string; // 当前的环境上下文
  goal: string; // 当前正在追求的目标
  window_size?: number; // 监控窗口大小（默认值：10）
}

• stop_monitoring：停止元认知监控并获取会话摘要。 输入模式：{}

循环检测工具

• detect_loop：使用各种策略检测智能体是否陷入循环。 输入模式：

{
  current_context?: string; // 当前的环境上下文
  goal: string; // 当前正在追求的目标
  detection_method?: "statistical" | "pattern" | "hybrid"; // 检测方法（默认值："hybrid"）
}

• configure_detection：配置循环检测参数和特定领域的进度指标。 输入模式：

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

增强的经验管理

• store_experience：存储一个案例，以便未来基于案例的推理，并带有增强的元数据和质量评分。 输入模式：

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

• retrieve_similar_cases：使用高级语义匹配和过滤检索相似案例。 输入模式：

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

系统工具

• get_monitoring_status：获取当前的监控状态和统计信息。 输入模式：{}
• reset_engine：重置双循环引擎的状态。 输入模式：{}

🔧 技术细节

技术栈

• 语言：TypeScript
• 框架：Node.js
• 服务器：用于服务器发送事件（SSE）传输的FastMCP
• 自然语言处理和机器学习：
  • @huggingface/transformers：用于基于自然语言推理（NLI）的语义分析
  • natural：用于情感分析和分词
  • compromise：用于自然语言处理
• 统计：
  • simple-statistics：用于统计计算
  • ml-matrix：用于矩阵运算
• 开发工具：
  • jest：用于测试
  • eslint：用于代码检查
  • prettier：用于代码格式化
  • zod：用于模式验证

📄 许可证

本项目采用MIT许可证。详情请参阅LICENSE文件。

贡献说明

欢迎贡献代码！请阅读贡献指南，并确保所有测试通过后再提交拉取请求。