隐私保护多代理研究缺口检测系统

ContextForge🔬

具有真实MCP通信的隐私保护多代理研究间隙检测器

一个复杂的系统，使用多个人工智能代理来分析研究文件，识别文献中的空白，辩论研究结果，生成新的假设，并制定研究提案，同时保持差异化的隐私。

特性✨

• 🤖 4级多代理管道

  • 差距检测器：识别研究差距
  • 辩论者：批评和辩论结果
  • 假设生成器：创建新的假设
  • Evolution Agent：优化提案

• 🔐 隐私保护

  • 差分隐私（拉普拉斯机制）
  • 保护隐私的代理间通信
  • Epsilon可配置的隐私级别

• 📨 真正的MCP协议

  • 实际代理间消息传递
  • 唯一的消息ID和时间戳
  • 隐私元数据跟踪

• ⚡ 仅限本地LLM

  • Ollama集成（mistral模型）
  • 不需要API密钥
  • 在您的计算机上完全私密

• 🌐 网络界面

  • 流线型仪表板
  • 文档上传支持
  • 交互式结果可视化

快速开始🚀

先决条件

• Python 3.11+
• Ollama已安装并正在运行： ollama serve
• Mistral型号： ollama pull mistral

设置

# Clone the repository
git clone https://github.com/muhnehh/context-forage.git
cd context-forage

# Create virtual environment
python -m venv .venv
.venv\Scripts\activate  # Windows
# or
source .venv/bin/activate  # Linux/Mac

# Install dependencies
pip install -r requirements.txt

# Run the app
streamlit run app.py

访问： http://127.0.0.1:8501

系统架构

User Upload (PDF/Text)
        ↓
Document Processor (HuggingFace embeddings)
        ↓
Stage 1: Gap Detector Agent (CrewAI + Ollama)
        ↓
Stage 2: Debater Agent (Critique & Analysis)
        ↓
Stage 3: Hypothesis Generator (Novel Ideas)
        ↓
Stage 4: Evolution Agent (Refinement)
        ↓
Results Dashboard (Gaps, Debates, Hypotheses)

技术栈

用法

1. 设置标签：配置隐私级别（epsilon）和型号选择
2. 上传和分析选项卡：上传研究文档并运行分析
3. 结果选项卡：查看已识别的差距、辩论、假设和MCP信息

关键文件

• agents.py -四智能体多智能体系统
• app.py -流线型网络界面
• mcp_simulator.py -真正的MCP协议实现
• privacy_layer.py -差异隐私层
• document_processor.py -文档处理流程

配置

隐私设置

• epsilon （默认值：1.0）-隐私预算（较低=更私密）
• 更高的epsilon=更少的噪音，更低的隐私

模型选择

• Mistral（默认，更快）
• LLaMA2
• 其他Olama车型

测试

运行测试套件：

python test_real_mcp.py

它生成pdf格式的输出： 上下文伪造_分析_20251109_141448.pdf

演出

• 首次运行：约2-3分钟（模型加载）
• 后续运行：约1-2分钟（缓存）
• 间隙检测：约30秒
• 完整的4阶段分析：约1-2分钟

许可证

MIT许可证-有关详细信息，请参阅许可证文件

作者

穆恩 - GitHub

贡献

欢迎投稿！请随时提交拉取请求。

状态

✅ 生产就绪

• 所有核心功能均正常工作
• 真实MCP通信已验证
• 隐私层功能
• Web UI可操作

现在就开始分析研究差距！ 🎉