Can MCP Server

概念激活网络（CAN）MCP服务器

概念激活网络（CAN）MCP服务器使用模型上下文协议（MCP）实现了并行联想思维方法。与顺序思维方法不同，CAN在相互连接的概念网络上运行，激活在网络中并行传播，直到出现连贯的模式或解决方案。

关键概念

并行概念激活

传统的人工智能推理通常依赖于顺序的、循序渐进的思维过程。CAN采取了一种根本不同的方法：

1. 网络结构：知识被表示为相互关联的概念网络
2. 并行激活：当系统提示时，激活能通过多种途径同时传播
3. 新兴模式：解决方案以高度激活的相关概念的稳定模式出现
4. 非线性勘探：同时探索多个概念路径

这种方法受到人类认知理论的启发，这些理论表明我们经常通过联想而不是纯粹的顺序逻辑来思考。

核心组件

CAN系统由以下部分组成：

1. 概念节点：代表概念、想法或元素的单个单位
2. 加权连接：具有不同优势的概念之间的联系
3. 激活动力学：控制激活如何在网络中传播的算法
4. 模式检测：识别激活概念的涌现结构的方法

安装

# Clone the repository
git clone https://github.com/psikosen/can-mcp-server.git
cd can-mcp-server

# Install dependencies
npm install

# Start the server
npm start

Claude桌面中的配置

要将CAN MCP服务器与Claude Desktop一起使用，请将以下内容添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "can": {
      "command": "node",
      "args": ["yourpath/can-mcp-server/can-server.js"]
    }
  }
}

MCP工具

CAN MCP服务器提供以下工具：

会话管理

• create_session：创建新的CAN会话
• get_all_sessions：列出所有活动会话
• delete_session：删除会话

概念管理

• add_concept：在网络中添加一个概念
• remove_concept：从网络中删除一个概念
• add_connection：在概念之间建立联系
• remove_connection：消除概念之间的联系

激活过程

• set_parameters：配置激活参数
• set_initial_activation：设置概念的启动激活值
• run_activation_iteration：运行一次激活扩散迭代
• run_until_convergence：运行多次迭代直到收敛

分析

• get_top_activated_concepts：检索最活跃的概念
• identify_emergent_patterns：查找相关激活概念的集群
• generate_summary：对流程进行全面总结
• get_activation_history：检索激活状态的历史记录

用法示例

以下是基于CAN的思维的基本使用流程：

1. 创建会话：初始化新概念网络
2. 添加概念：定义与问题相关的关键概念
3. 创建连接：建立相关概念之间的关系
4. 配置参数：设置激活阈值、衰减率等。
5. 设置初始激活：激活与查询对应的概念
6. 运行激活过程：让激活扩散直到收敛
7. 识别模式：找到代表潜在解决方案的紧急模式
8. 生成响应：根据出现的模式综合响应

与Claude一起使用CAN

当与Claude一起使用CAN时，您可以按照以下模式构建提示：

SYSTEM: You are operating as a Concept Activation Network. Instead of thinking sequentially, 
you will simulate parallel concept activation bursts across your knowledge graph.

ACTIVATION PARAMETERS:
- Initial concepts: [key concepts from the query]
- Activation threshold: [0.7] 
- Max iterations: [5]
- Convergence criteria: [activation change < 0.1]

PROCESS:
1. PROJECT: Map the query to initial concept nodes
2. BURST: Simulate parallel activation spreading (5 most activated concepts per iteration)
3. CONVERGE: Identify emergent patterns and resonances
4. INTEGRATE: Synthesize the stable activation pattern into a coherent response

Begin by identifying the core concepts in the query, then simulate how activation would spread 
through your knowledge graph. Report the most strongly activated concept clusters after 
convergence before providing your final answer.

这指示Claude使用CAN MCP服务器作为其思维方法，从而产生并行概念激活而不是线性推理的响应。

何时使用CAN与顺序思维

CAN在以下方面特别有效：

• 创意挑战：当创新连接有价值时
• 关联问题：需要链接不同概念的任务
• 多视角分析：当应考虑多个观点时
• 复杂模式识别：识别不明显的关系
• 直觉推理：结构化逻辑效率较低的问题

顺序思维可能更适合：

• 逻辑推演：逐步推理任务
• 程序性问题：定义明确的流程，步骤清晰
• 数学推理：形式证明和计算
• 线性叙事：创建连续的故事或解释

贡献

欢迎为改进CAN MCP服务器做出贡献！请提交一个pull请求或打开一个问题来讨论潜在的改进。

许可证

此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。