🧠 元优化混合推理框架
Ryan Oates\ 许可证：双重--AGPLv3+对等生产许可证（PPL）\ 联系人：ryan_oates@my.cuesta.edu
______________________________________________________________________
✨ 目的
该框架是跨学科愿景的一部分，旨在将 象征性严谨, 神经适应性，以及 认知一致推理它反映了多年来在计算机科学、生物心理学和元认识论交叉领域的综合工作。
这不仅仅是软件。它是一个 认知架构，它的用途是 伦理界限.
______________________________________________________________________
🔐 许可模式
此存储库的许可证为 混合模型 平衡开放性、互惠性和作者保护。
1.面向Commons对齐用户（学生、研究人员、合作社）
在下面使用它 同行生产许可证（PPL）。您可以：
- 自由学习、适应和分享
- 在学术或非营利研究中使用它
- 在数字公共领域内公开合作
2.供公众使用和透明
AGPLv3许可证保证：
- 基于网络的部署必须共享修改
- 衍生品必须保持开源
- 归因是强制性的
3.用于商业或提取用途
你 不得使用此作品 如果你是：
- 营利性人工智能公司
- 风险投资基金会
- 闭源平台
除非你 协商商业许可 直接。
______________________________________________________________________
📚 归因
该框架起源于：
*混合定理证明中的元优化：认知约束推理框架*瑞安·奥茨（2025）
DOI:\[在此处插入Zenodo/ArXiv链接\]\ 原始版本的Git提交哈希： a17c3f9...\ 该项目的认知理论根源来自以下研究：
- 流状态建模
- 符号逻辑系统
- 荣格的认识论结构
______________________________________________________________________
🤝 社区贡献者协议
如果你是一名学生、教育工作者或联盟研究小组，并希望做出贡献：
- 分叉此回购
- 承认作者和原始框架
- 使用“Contributors.md”文件描述您的改编
- 可选：签名并返回 社区贡献者协议（CCA） 加入联邦研究网络
______________________________________________________________________
🚫 你不能做什么
- 将此系统集成到闭源LLM部署中
- 未经明确批准转售或提供衍生产品
- 删除作者标签或更改作者元数据
______________________________________________________________________
📬 联系
想要合作、正确引用或商业许可吗？\ 联系方式： ryan_oates@my.cuesta.edu
Claude MCP服务器
该项目实现了一个遵循模型上下文协议（MCP）的服务器，提供了一种集成人工智能工具和模型的标准化方法。它支持多个AI提供商（OpenAI、Anthropic和Google），并提供了一系列用于代码分析、web交互等的内置工具。
特性
- MCP合规性： 设计用于与MCP客户端配合使用，实现无缝工具集成。
- 多提供商支持： 使用OpenAI、Anthropic和谷歌的Gemini模型。通过环境变量配置默认提供程序和API密钥。
- 可扩展工具： 包括一个用于轻松添加和管理自定义工具的框架。目前的工具包括：
- 代码生成(llm_code_generate) - Web请求(web_request) - Web剪贴(web_scrape) - 代码分析(code_analyze) - 代码文档(code_document) - 代码改进建议(code_improve)
- Node.js和Python服务器： 包括Node.js（主要）和Python（FastAPI）服务器实现。
- 集装箱化： Docker支持，易于部署和开发。
- 测试： 与Jest（JavaScript）和pytest（Python）集成，进行全面测试。
- 装订和格式化： 使用ESLint和Prettier来维护代码质量。
项目结构
.
├── config/ # Configuration files
│ ├── .env # Environment variables (example provided)
│ ├── dockerfile # Docker configuration
│ └── docker-compose.yaml
├── src/ # Source code
│ ├── api/ # FastAPI server (Python)
│ ├── core/ # Core MCP logic (Python)
│ ├── server/ # Node.js server implementations
│ ├── tools/ # Individual tool implementations (JavaScript)
│ └── utils/ # Utility functions (JavaScript)
├── tests/ # Test files
└── data/ # Data directory (used by Python server)
└── monitoring/ # Performance monitoring data设置和安装
- 克隆存储库：
git clone
cd claude-mcp-server- 环境变量：
创建一个 .env 文件在 claude-mcp-server 目录（以及可选的 config/)通过复制 .env.example 文件：
cp .env.example .env然后，填写OpenAI、Anthropic和Google的API密钥：
# .env
NODE_ENV=development
PORT=3000
DEFAULT_AI_PROVIDER=anthropic # or openai, google
OPENAI_API_KEY=your-openai-key
ANTHROPIC_API_KEY=your-anthropic-key
GOOGLE_API_KEY=your-google-api-key- Node.js服务器（推荐）：
- 安装依赖关系：
npm install- 在开发模式下运行：
npm run dev # Uses simple-server.js
# OR
npm run dev:custom # Uses custom-server.js这 --watch flag会在代码更改时自动重新启动服务器。
- 在生产模式下运行：
npm start # Uses simple-server.js- 运行测试：
npm test
npm run test:watch # Watch mode
npm run test:coverage # Generate coverage report- 装订和格式化：
npm run lint
npm run lint:fix # Automatically fix linting errors
npm run format
npm run format:check- Python服务器（FastAPI）：
- 安装依赖项（从claude-mcp服务器目录）：
pip install -r config/requirements.txt- 运行服务器：
npm run start:python- 注： Python服务器的维护可能不如Node.js服务器活跃。
Docker使用
Docker是运行 claude-mcp-server特别是对于生产部署。它提供了一个一致和隔离的环境。
- 创建一个
.dockerignore文件（推荐）：
创建一个名为的文件 .dockerignore 在 claude-mcp-server 包含以下内容的目录：
node_modules
.git
.DS_Store
npm-debug.log
Dockerfile
docker-compose.yaml
.env
tests/- 构建Docker镜像：
npm run docker:build
# or, equivalently:
# docker-compose build- 运行容器（开发模式-带热重新加载）：
npm run docker:run:dev
# or, equivalently:
# docker-compose -f config/docker-compose.yaml up --build此命令使用 config/docker-compose.yaml 文件到：
- 构建映像（如果尚未构建或检测到更改）。 - 启动一个名为的容器 claude-mcp-server. - 将主机上的端口3000映射到容器内的端口3000。 - 安装 src, data，以及 config 目录作为卷。这意味着您对主机上的这些目录所做的任何更改都将立即反映在正在运行的容器中，从而允许在开发过程中进行热重新加载。
- 运行容器（生产模式）：
npm run docker:run
# or, equivalently:
# docker-compose up此命令启动容器 *没有* 将本地目录作为卷装载。这适用于生产，因为容器将使用在构建过程中烘焙到映像中的代码和配置。
- 在Docker容器中运行Python服务器：
即使Node.js服务器是默认的入口点，你仍然可以在正在运行的Docker容器中运行Python服务器：
- 将外壳放入容器中：
docker exec -it claude-mcp-server /bin/bash此命令在运行中打开一个交互式bash shell claude-mcp-server 集装箱。
- 运行Python服务器：
python src/api/server.pyPython服务器将在端口8000上运行 *内部* 集装箱。要从主机访问它，请调整 docker-compose.yaml 暴露端口8000或使用 curl 从容器内。
- 停止容器：
docker-compose down用法
一旦服务器运行（Node.js或Python），您就可以通过兼容MCP的客户端与它进行交互。服务器公开了可以使用JSON-RPC 2.0协议调用的工具。具体的工具名称和参数在 src/tools 目录（用于Node.js服务器）和 src/core/mcp_tools.py （适用于Python服务器）。参见 howTO.md 对于可用的工具。
贡献
查看主 mcp-projects/README.md 获取一般贡献指南。
许可证
MIT许可证