AI导哈

AI工具管理平台

Fegis是一个AI工具管理平台，支持通过YAML格式编写工具，自动存储工具调用的结构化数据到向量数据库，并提供语义搜索功能。适用于AI开发者和数据分析师。

  • by p-funk
  • Python
  • 本地部署
  • 24 星标
  • 更新于
在 GitHub 查看 p-funk/FEGIS

使用说明

斐济

费吉斯做了三件事：

  1. 易于编写的工具 -以YAML格式编写提示。工具模式使用灵活的自然语言指令。
  2. 保存在矢量数据库中的工具调用的结构化数据 -每次工具使用都会自动存储在Qdrant中，并带有完整的上下文。
  3. 搜索 -AI可以使用语义相似性、过滤器或直接查找来搜索所有以前的工具使用情况。

快速开始

# Install uv
# Windows
winget install --id=astral-sh.uv -e

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Clone
git clone https://github.com/p-funk/fegis.git

# Start Qdrant
docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant:latest

配置Claude桌面

更新 claude_desktop_config.json:

{
  "mcpServers": {
    "fegis": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/fegis",
        "run",
        "fegis"
      ],
      "env": {
        "QDRANT_URL": "http://localhost:6333",
        "QDRANT_API_KEY": "",
        "COLLECTION_NAME": "fegis_memory",
        "EMBEDDING_MODEL": "BAAI/bge-small-en",
        "ARCHETYPE_PATH": "/absolute/path/to/fegis-wip/archetypes/default.yaml",
        "AGENT_ID": "claude_desktop"
      }
    }
  }
}

重新启动克劳德桌面。您将获得7个新工具，包括SearchMemory。

运作原理

1.来自YAML的工具

parameters:
  BiasScope:
    description: "Range of bias detection to apply"
    examples: [confirmation, availability, anchoring, systematic, comprehensive]
  
  IntrospectionDepth:
    description: "How deeply to examine internal reasoning processes"
    examples: [surface, moderate, deep, exhaustive, meta_recursive]
    
tools:
  BiasDetector:
    description: "Identify reasoning blind spots, cognitive biases, and systematic errors in AI thinking patterns through structured self-examination"
    parameters:
      BiasScope:
      IntrospectionDepth:
    frames:
      identified_biases:
        type: List
        required: true
      reasoning_patterns:
        type: List
        required: true
      alternative_perspectives:
        type: List
        required: true

2.自动存储

每个工具调用都存储在：

  • 工具名称和使用的参数
  • 完整的输入和输出
  • 时间戳和会话上下文
  • 语义搜索的向量嵌入

3.搜索记忆工具

"Use SearchMemory and find my analysis of privacy concerns"
"Use SearchMemory and what creative ideas did I generate last week?"  
"Use SearchMemory and show me all UncertaintyNavigator results"
"Use SearchMemory and search for memories about decision-making"

可用原型

  • archetypes/default.yaml -认知分析工具（不确定导航器、偏差检测器等）
  • archetypes/simple_example.yaml -基本示例工具
  • archetypes/emoji_mind.yaml -使用表情符号进行符号推理
  • archetypes/slime_mold.yaml -网络优化工具
  • archetypes/vibe_surfer.yaml -网络探索工具

配置

所需的环境变量：

  • ARCHETYPE_PATH -YAML原型文件的路径
  • QDRANT_URL -Qdrant数据库URL（默认值：http://localhost:6333)

可选环境变量：

  • COLLECTION_NAME -Qdrant集合名称（默认：fegis_memory）
  • AGENT_ID -此代理的标识符（默认：默认代理）
  • EMBEDDING_MODEL - 密集嵌入模型（默认：BAAI/bge-small-en）
  • QDRANT_API_KEY -远程Qdrant的API密钥（默认值：空）

需求

  • Python 3.13+
  • uv包管理器
  • Docker（适用于Qdrant）
  • MCP兼容客户端

许可证

MIT许可证-有关详细信息，请参阅许可证文件。

相关 MCP