Ai Cognitive Nexus MCP

🚀 AI认知中枢 (认知中枢)

AI认知中枢是一个专业的、可动态编组的AI团队协作与编排的MCP。它允许用户通过简单指令创建、管理和指挥由多个AI智能体组成的层级化团队，有效解决复杂和多阶段任务。

✨ 主要特性

• 🤖 动态团队编组：可实时创建、更新和删除AI团队，团队成员可以是独立AI智能体，甚至是其他团队，实现无限层级化协作。
• 🧠 上下文情景注入：借助人物 (Persona) 和 产品知识库 (Product) 系统，为AI团队执行任务提供精确的角色扮演指令和专业领域知识。
• 🔗 层级化团队依赖：系统自动处理复杂的团队依赖关系（如团队A是团队B的成员），通过拓扑排序确保正确的初始化顺序，并能检测和防止循环依赖。
• 💾 持久化会话状态：内置会话管理器，能够跟踪和记录多轮对话历史，让AI团队具备长期记忆，胜任连续性任务。
• 🔌 可插拔大模型：支持通过环境变量在不同的大语言模型提供商（如DeepSeek、OpenAILike服务等）之间无缝切换，灵活适应不同成本和性能需求。
• 🛠️ 可扩展智能体工具：为每个AI智能体配置专属工具集（如 ThinkingTools、ExaTools），赋予其超越语言能力的专业技能。
• 🤝 原生MCP协议：基于Model Context Protocol构建，可无缝与任何支持MCP的AI助手（如OpenAI Assistants、Coze、Dify、Chatwise等）集成。

🚀 快速开始

核心概念

Cognitive Nexus 的强大能力源于以下几个核心概念的组合与协同：

工作流程：当一个任务开始时，您可以指定一个团队 (Team) 作为执行者，并为其配备特定的人物 (Persona) 和产品 (Product) 作为上下文，从而精确地指导团队完成任务。

📦 安装指南

1. 环境要求

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

2. 安装依赖

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

# 2. (推荐) 创建并激活虚拟环境
python -m venv .venv
source .venv/bin/activate  # on Windows, use `.venv\Scripts\activate`

# 3. 安装依赖
pip install -r requirements.txt

3. 配置 .env 文件

这是配置模型提供商和API Key的首选方式。

# 1. 复制环境变量模板
cp .env.example .env

# 2. 编辑 .env 文件，填入你的配置信息
# LLM_PROVIDER: 设置默认使用的模型服务商 ("deepseek" 或 "openailike")
LLM_PROVIDER="deepseek"

# --- OpenAILike 服务商配置 ---
# 如果使用类似 ZhipuAI, Moonshot, Groq 等 OpenAI 兼容接口，请配置以下三项
OpenAILike_API_KEY="your_api_key_here"
OpenAILike_BASE_URL="https://api.example.com/v1"
OpenAILike_MODEL_ID="glm-4" # 用于团队协调的模型
OpenAILike_AGENT_MODEL_ID="glm-4" # 用于单个Agent的模型

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

4. 启动服务器

直接运行 main.py 即可通过标准输入输出 (stdio) 启动MCP服务器。

python main.py

您也可以在支持MCP的客户端（如Chatwise）中配置此命令，实现自动拉起。

📚 详细文档

📄 API 参考 (MCP Tools)

Cognitive Nexus 向AI助手暴露了一系列工具，用于管理和运行AI团队。

会话管理

• start_session(initial_context: str)：创建一个新会话，用于跟踪后续的交互历史。

人物 (Persona) 管理

• create_persona(persona_key: str, data: dict)：创建一个新的人物角色。
• list_personas()：列出所有可用的人物。
• get_persona(persona_key: str)：获取指定人物的详细信息。
• update_persona(persona_key: str, data: dict)：更新一个已存在的人物。
• delete_persona(persona_key: str)：删除一个人物。

产品 (Product) 管理

• create_product(product_key: str, data: dict)：创建一个新产品及其知识库。
• list_products()：列出所有产品。
• get_product(product_key: str)：获取产品详情和知识库。
• update_product(product_key: str, data: dict)：更新产品信息。
• delete_product(product_key: str)：删除一个产品。

角色/智能体 (Agent) 管理

• create_agent(agent_key: str, data: dict)：创建一个独立的AI智能体。
• list_agents()：列出所有智能体。
• get_agent(agent_key: str)：获取智能体配置。
• update_agent(agent_key: str, data: dict)：更新智能体配置（将自动重载所有团队）。
• delete_agent(agent_key: str)：删除一个智能体。

团队 (Team) 管理

• create_team(team_key: str, data: dict)：创建一个新团队。
• list_teams()：列出所有团队及其状态（激活/配置错误）。
• get_team_config(team_key: str)：获取团队的原始配置。
• update_team(team_key: str, data: dict)：更新团队配置（将自动尝试重载）。
• delete_team(team_key: str)：删除一个团队。

核心执行单元

• run_ai_team(team_name: str, prompt: str, session_id: str, persona_key: str, product_key: str) 这是框架的核心功能，用于指挥一个团队执行任务。
  • team_name (必需)：要运行的团队的Key。
  • prompt (必需)：本次任务的核心指令。
  • session_id (可选)：关联的会话ID，用于加载历史记录和保存结果。
  • persona_key (可选)：本次任务中AI需要扮演的人物角色的Key。
  • product_key (可选)：本次任务关联的产品的Key，用于加载特定知识库。

❓ 常见问题 (FAQ)

Q：如何创建一个“产品经理Agent”和一个“研发团队”，并让他们协作？

A：非常简单，分三步：

1. 创建Agent：调用 create_agent 创建一个 product_manager Agent，再创建两个研发 developer_a 和 developer_b Agent。在 description 和 instructions 中详细描述他们的职责。
2. 创建Team：调用 create_team 创建一个 dev_team，其 members 列表为 ["developer_a", "developer_b"]。
3. 运行：调用 run_ai_team，让 product_manager Agent 直接执行任务，或者创建一个更上层的 project_team，让 product_manager 和 dev_team 作为其成员，然后运行 project_team。

Q：如果我创建了一个循环依赖的团队（如团队A包含B，团队B又包含A），会发生什么？

A：系统会自动检测到。在您调用 create_team 或 update_team 时，如果新的配置引入了循环依赖，该操作会失败并返回错误信息，同时您的修改将被自动回滚，确保系统始终处于可用的状态。

Q：我如何切换使用的AI模型，比如从智谱的GLM - 4切换到月之暗面的Moonshot？

A：只需修改 .env 文件：

1. 设置 LLM_PROVIDER="openailike"。
2. 设置 OpenAILike_API_KEY 为你的Moonshot API Key。
3. 设置 OpenAILike_BASE_URL 为Moonshot的服务地址 (https://api.moonshot.cn/v1)。
4. 设置 OpenAILike_MODEL_ID 为你想用的模型ID (如 moonshot-v1-8k)。
5. 设置 EXA_API_KEY 为你的EXA API Key。
6. 重启MCP服务器即可生效。