AI导哈

研究决策自动化工具

一个将五个MCP工具链式集成的自动化研究决策流程，用于发现、分析学术论文并通过多模型共识投票确定研究方向。

  • by nexus-substrate
  • TypeScript
  • 本地部署
  • 更新于
在 GitHub 查看 williamzujkowski/research-to-action

使用说明

从研究到行动

研究驱动的决策管道 关系代理将5个MCP工具链接到自动化研究工作流程中。

管道

research_discover → research_add → research_analyze → consensus_vote → memory_query
  1. 发现 arXiv、GitHub、语义学者关于某一主题的论文
  2. 添加 将发现的论文提交给研究登记处
  3. 分析 差距、趋势和优先事项登记簿
  4. 投票 基于多模型共识的研究方向
  5. 商店 跨会话持久性的记忆决策

快速开始

pnpm install
pnpm test        # Run 75 unit tests
pnpm typecheck   # TypeScript strict mode
pnpm build       # Compile to dist/

作为图书馆使用

import { runResearchPipeline, generateReport } from 'research-to-action';
import type { ToolCaller } from 'research-to-action';

const caller: ToolCaller = {
  call: async (tool, args) => await mcpClient.callTool(tool, args),
};

const result = await runResearchPipeline(caller, {
  topic: 'multi-agent orchestration',
});

console.log(generateReport(result, 'markdown'));

涵盖MCP工具

工具 目的 安全
research_discover 从外部来源查找论文 只读搜索
research_add 将论文添加到注册表 用途 dryRun=true 默认情况下
research_analyze 分析注册表中的差距/趋势 只读分析
consensus_vote 多模型方向投票 测试模式下的模拟投票
memory_query 查询存储决策的内存 只读查询

报表格式

  • 标记语言 --包含发现结果、投票结果和最终决定的表格
  • JSON --结构化JSON格式的完整管道结果
  • 文本 --紧凑型终端输出

项目结构

src/
  types.ts              # Zod schemas matching live MCP responses
  fixtures/
    mock-responses.ts   # Mock data for all 5 tools
  pipeline.ts           # Research pipeline (discover → add → analyze → vote → store)
  reporter.ts           # Report formatter (markdown/json/text)
  index.ts              # Public API exports

许可证

麻省理工学院

相关 MCP