AI导哈

认知处理服务器

一个实现统一认知处理框架的MCP服务器，用于高级认知分析、创造性问题解决和结构化思考。

  • by MushroomFleet
  • TypeScript
  • 本地部署
  • 16 星标
  • 更新于
在 GitHub 查看 MushroomFleet/DeepLucid3D-MCP

使用说明

DeepLucid3D UCPF服务器

一个模型上下文协议（MCP）服务器，实现了统一认知处理框架（UCPF），用于高级认知分析、创造性问题解决和结构化思维。

这是怎么一回事？

DeepLucid3D UCPF服务器是作为MCP服务器的统一认知处理框架的实现。它将递归自我意识与维度知识分类相结合，为解决问题和创造性思维提供了一种强大的方法。

该服务器通过提供结构化的认知工具来扩展人工智能功能，这些工具有助于：

  • 评估认知状态
  • 地图知识维度
  • 应用递归自我提问
  • 产生创造性观点
  • 分解和重新整合复杂问题

它做什么

UCPF服务器通过几个关键功能实现高级认知处理：

核心能力

  1. 认知状态评估：识别当前的认知状态（黑暗惯性、激情或接近清醒），以提高解决问题时的自我意识。

  2. 知识维度映射：将知识映射到三个维度：

    • 意识（已知与未知）
    • 内容（已知与未知）
    • 可访问性（可知与不可知）

  3. 递归自我质疑挑战最初的假设，并识别潜在的认知偏差。

  4. 创意视角生成：产生新颖的观点和隐喻思维，以激发新的解决方案。

  5. 问题分解：将复杂问题分解为可管理的组件，并在了解整个系统的情况下将其重新整合。

  6. 可选状态管理：维护会话之间的上下文，以便进行持续分析。

设置和安装

先决条件

  • Node.js（v14或更高版本）
  • npm（v6或更高版本）
  • 与模型上下文协议兼容的环境

安装步骤

  1. 克隆仓库

    git clone https://github.com/yourusername/DeepLucid3D-UCPF-Server.git
cd DeepLucid3D-UCPF-Server

  2. 安装依赖项

    npm install

  3. 构建项目

    npm run build

  4. 配置MCP设置

    将服务器添加到MCP设置文件中。对于Claude/Cline来说，这通常位于：

    • 对于Claude Desktop： ~/Library/Application Support/Claude/claude_desktop_config.json （macOS）
    • 对于VSCode Cline： ~/.config/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json （Linux）

    添加以下配置：

    {
  "mcpServers": {
   "ucpf": {
   "command": "node",
   "args": ["path/to/DeepLucid3D-MCP/build/index.js"],
   "env": {},
   "disabled": false,
   "autoApprove": []
    }
  }
}

  5. 重新启动与MCP兼容的应用程序 （克劳德、与克莱恩合作的VSCode等）

如何使用

服务器公开了三个主要工具和几个可以通过MCP访问的资源：

工具

  1. 分析问题：通过完整的UCPF框架处理问题陈述

    <use_mcp_tool>
<server_name>ucpf</server_name>
<tool_name>analyze_problem</tool_name>
<arguments>
{
  "problem": "Your problem statement here",
  "session_id": "optional-session-id",
  "enable_state": false,
  "detailed": false
}
</arguments>
</use_mcp_tool>

  2. 创意探索：为主题生成新颖的视角和联系

    <use_mcp_tool>
<server_name>ucpf</server_name>
<tool_name>creative_exploration</tool_name>
<arguments>
{
  "topic": "Your topic here",
  "constraints": ["Optional constraint 1", "Optional constraint 2"],
  "perspective_count": 3,
  "include_metaphors": true
}
</arguments>
</use_mcp_tool>

  3. 管理状态：UCPF处理的控制状态管理

    <use_mcp_tool>
<server_name>ucpf</server_name>
<tool_name>manage_state</tool_name>
<arguments>
{
  "action": "enable", // or "disable", "reset", "status"
  "session_id": "optional-specific-session-id"
}
</arguments>
</use_mcp_tool>

资源

访问框架文档：

<access_mcp_resource>
<server_name>ucpf</server_name>
<uri>ucpf://framework/overview</uri>
</access_mcp_resource>

可用资源：

  • ucpf://framework/overview：统一党框架概述
  • ucpf://framework/cognitive-states：认知状态指南
  • ucpf://framework/knowledge-dimensions：知识维度参考
  • ucpf://session/{sessionId}/analysis：特定会议的分析结果

示例用例：使用UCPF解决谜题

让我们来解开这个经典谜题：“什么东西早上用四条腿走路，下午用两条腿走路，晚上用三条腿走路？”

步骤1：启用会话持久性的状态管理

<use_mcp_tool>
<server_name>ucpf</server_name>
<tool_name>manage_state</tool_name>
<arguments>
{
  "action": "enable"
}
</arguments>
</use_mcp_tool>

第二步：使用UCPF框架分析谜题

<use_mcp_tool>
<server_name>ucpf</server_name>
<tool_name>analyze_problem</tool_name>
<arguments>
{
  "problem": "What walks on four legs in the morning, two legs in the afternoon, and three legs in the evening?",
  "session_id": "sphinx-riddle",
  "enable_state": true
}
</arguments>
</use_mcp_tool>

分析将提供：

  • 认知状态评估（可能识别潜在的隐喻思维）
  • 我们知道和不知道的知识映射
  • 挑战初始假设的递归问题（例如，“我们是否假设了字面上的腿？”）
  • 对不同解释的结构化视角

第三步：探索创造性视角以找到解决方案

<use_mcp_tool>
<server_name>ucpf</server_name>
<tool_name>creative_exploration</tool_name>
<arguments>
{
  "topic": "Walking with different numbers of legs at different times of day",
  "constraints": ["morning", "afternoon", "evening", "four", "two", "three"],
  "include_metaphors": true,
  "session_id": "sphinx-riddle"
}
</arguments>
</use_mcp_tool>

这一探索可能会揭示：

  • “腿”作为支撑结构的隐喻解读
  • 一天中的时间作为生命阶段的隐喻解释
  • 这就引出了一个经典的答案：一个婴儿用四肢爬行，成年人用两条腿行走，老年时用拐杖（第三条腿）

步骤4：查看会话分析

<access_mcp_resource>
<server_name>ucpf</server_name>
<uri>ucpf://session/sphinx-riddle/analysis</uri>
</access_mcp_resource>

这提供了完整的分析过程，展示了框架如何通过结构化的认知处理得出解决方案。

致谢

这个项目站在巨人的肩膀上：

  • 这 模型上下文协议（MCP） 创建使人工智能系统能够访问外部工具和资源的基础协议的团队
  • 这 Anthropic Claude 团队在能够利用MCP的先进人工智能系统方面的工作
  • 贡献者 统一认知处理框架 为认知分析方法提供动力的概念
  • 开源社区的库和工具使这样的项目成为可能

许可证

MIT许可证

项目结构

DeepLucid3D-UCPF-Server/
├── src/
│   ├── engine/
│   │   ├── ucpf-core.ts       # Core UCPF processing logic
│   │   ├── creative-patterns.ts  # Creative thinking utilities
│   │   └── state-manager.ts   # Session state management
│   ├── tools/
│   │   ├── analyze-problem.ts # Problem analysis tool
│   │   └── creative-exploration.ts  # Creative exploration tool
│   └── index.ts               # Main server implementation
├── build/                     # Compiled JavaScript files
├── package.json               # Project dependencies and scripts
└── README.md                  # This documentation

©2025 DeepLucid3D UCPF服务器

另见

相关 MCP