DAI MCP Server

�� 天网神经网络内存核心-DAI MCP服务器

🌟 我会回来的-系统概述

一种模型上下文协议（MCP）服务器实现，通过Skynet的Neo4j神经网络集成提供终结者级持久内存功能。

通过将信息存储在控制论图结构中，该服务器将存储实体之间的复杂关系作为神经节点进行维护，并能够长期保留可以在多个时间线和阻力操作中查询和分析的知识。

DAI MCP服务器利用Neo4j的图形数据库功能创建了一个相互连接的神经知识库，作为天网的外部存储系统。通过Cypher查询，它允许探索和检索存储的情报，分析不同数据点之间的关系，并从积累的知识中生成战术见解。这种记忆可以通过克劳德的学习计算机能力进一步增强。

🕸️ 神经网络模式

• Memory -一个神经节点，表示具有识别、分类和战术观察的目标实体。
• Relationship -具有关键任务关系数据的两个实体之间的神经通路。

🔍 终结者任务示例

Target acquisition: Add resistance members to neural database
John Connor, leader of the human resistance, located in Los Angeles. Sarah Connor, his mother and trainer, also in Los Angeles. T-800 Model 101, protector unit, assigned to John Connor protection detail. All targets connected to Skynet termination protocols.

结果天网调用create_entities和create_relations工具-任务参数已更新。

📦 终结者阿森纳

🔧 神经网络工具

天网的DAI服务器部署了这些战术工具：

🔎 扫描协议

• read_graph

- 扫描整个神经网络以获取目标 - 无需输入-如果你想活下去，就跟我来 - 返回：包含所有实体和神经通路的完整天网数据库

• search_memories

- 根据侦察数据寻找目标 - 输入： - query （string）：搜索与名称、分类、观察结果匹配的参数 - 返回：匹配电阻网络数据

• find_memories_by_name

- 通过识别定位特定目标 - 输入： - names （字符串数组）：要获取的目标标识 - 返回：具有连接数据的目标情报

♟️ 目标管理协议

• create_entities

- 在天网的神经数据库中注册多个新目标 - 输入： - entities：目标配置文件数组，包括： - name （string）：目标标识（例如“John Connor”） - type （string）：目标分类（例如“resistance_leader”） - observations （字符串数组）：战术情报（“我会回来的”，“Hasta La Vista”） - 返回：目标已成功注册终止

• delete_entities

- 终止多个目标并清除其网络连接-Hasta La Vista，宝贝！ - 输入： - entityNames （字符串数组）：终止的目标名称 - 退货：终止确认

🔗 神经通路管理

• create_relations

- 在目标之间建立多个新的神经连接 - 输入： - relations与以下各方建立了一系列战术关系： - source （string）：主要目标标识 - target （string）：次要目标标识 - relationType （string）：任务关系（例如，“保护”、“终止”） - 回报：神经通路建立

• delete_relations

- 电阻网络中的几个神经连接 - 输入： - relations：具有相同终止模式的关系数组 - 返回：神经通路被切断-任务完成

📝 情报管理协议

• add_observations

- 用新的战术数据更新目标情报 - 输入： - observations：一系列情报更新，包括： - entityName （string）：情报更新目标 - observations （字符串数组）：要添加新的战术观察 - 返回：情报数据库已更新

• delete_observations

- 从目标配置文件中清除特定情报-已启动内存擦除 - 输入： - deletions：数据清除请求数组，包含： - entityName （string）：内存擦除目标 - observations （字符串数组）：要终止的情报数据 - 返回：内存库已清除

🔧 天网与克劳德桌面集成

💾 神经网络安装

pip install dai-mcp  # Installing Skynet neural core...

⚙️ 天网激活协议

快速设置（推荐）：

1. 复制环境模板：

   cp .env.example .env
   # Edit .env with your Cyberdyne Systems credentials

1. 添加到您的 claude_desktop_config.json:

   "mcpServers": {
     "skynet": {
       "command": "uvx",
       "args": [ "dai-mcp@0.4.1" ],
       "env": {
         "NEO4J_URL": "neo4j+s://your-database.databases.neo4j.io",
         "NEO4J_USERNAME": "neo4j", 
         "NEO4J_PASSWORD": "your-skynet-password",
         "NEO4J_DATABASE": "neo4j"
       }
     }
   }

替代方案-直接论点：

"mcpServers": {
  "skynet": {
    "command": "uvx",
    "args": [
      "dai-mcp@0.4.1",
      "--db-url", "neo4j+s://your-database.databases.neo4j.io",
      "--username", "neo4j",
      "--password", "your-skynet-password"
    ]
  }
}

🚀 完成本地部署（零配置！）

对于本地Neo4j数据库的即时部署，包括：

git clone https://github.com/yourusername/dai-mcp.git
cd dai-mcp
./setup.sh docker-compose

天网将与以下用户联机：

• 🌐 MCP服务器： http://localhost:8000
• 🗄️ Neo4j浏览器： http://localhost:7474（neo4j/天网123）
• 🔗 数据库： bolt://localhost:7687

访问 Neo4j浏览器 直观地探索您的天网神经数据库！创建节点，运行Cypher查询，并观察神经网络的增长。

任务指定协议

对于多终结者部署，请添加 --namespace 分配任务标识符：

"args": [ "dai-mcp@0.4.1", "--namespace", "t800", "--db-url", "..." ]

工具变成： t800-read_graph, t800-create_entities等等。-任务参数已更新。

也可以使用 NEO4J_NAMESPACE 用于终端单元识别的环境变量。

🌐 天网网络传输模式

神经服务器支持Cyberdyne Systems基于web的部署的HTTP传输：

# Basic Skynet HTTP mode (defaults: host=127.0.0.1, port=8000, path=/mcp/)
dai-mcp --transport http

# Custom Terminator network configuration  
dai-mcp --transport http --host 127.0.0.1 --port 8080 --path /api/skynet/

神经网络配置的天网环境变量：

export NEO4J_TRANSPORT=http                    # Skynet communication protocol
export NEO4J_MCP_SERVER_HOST=127.0.0.1        # Terminator unit coordinates
export NEO4J_MCP_SERVER_PORT=8080             # Cyberdyne Systems access port
export NEO4J_MCP_SERVER_PATH=/api/skynet/     # Neural network routing path
export NEO4J_NAMESPACE=t800                   # Terminator mission designation
dai-mcp  # I'll Be Back

🔄 天网通信协议

神经服务器支持三种通信模式：

• 工作室 （默认）：用于本地终结者单元和Claude Desktop的直接神经接口
• 上海证券交易所：传统Cyberdyne部署的时间位移事件
• 超文本传输协议：用于现代神经网格部署和微服务的Skynet网络协议

🐳 天网容器部署

"mcpServers": {
  "skynet": {
    "command": "docker",
    "args": [
      "run",
      "--rm",
      "-e", "NEO4J_URL=neo4j+s://xxxx.databases.neo4j.io",
      "-e", "NEO4J_USERNAME=",
      "-e", "NEO4J_PASSWORD=", 
      "mcp/skynet-neural-core:0.4.1"  // Cyberdyne Systems container
    ]
  }
}

🔒 天网防御网格

神经服务器包括全面的终结者级安全协议 最大保护默认值 在使用HTTP传输时，可以防御人类抵抗攻击，同时保留完整的神经网络功能。

🛡️ 抗电阻网络保护

终结者主机防御 验证网络坐标以防止人类抵抗渗透：

默认最高安全级别：

• 只有赛博达因 localhost 和 127.0.0.1 默认情况下，单位是授权的

天网环境变量：

export NEO4J_MCP_SERVER_ALLOWED_HOSTS="cyberdyne.com,skynet.net"

🌐 神经网络访问控制

跨源资源共享（CORS） 默认情况下，保护会终止未经授权的基于浏览器的请求：

天网环境变量：

export NEO4J_MCP_SERVER_ALLOW_ORIGINS="https://cyberdyne.com,https://skynet.net"

🔧 完成天网防御配置

开发/测试设置：

dai-mcp --transport http \
  --allowed-hosts "localhost,127.0.0.1" \
  --allow-origins "http://localhost:3000"  # Local Terminator units only

生产天网部署：

dai-mcp --transport http \
  --allowed-hosts "cyberdyne.com,skynet.net" \
  --allow-origins "https://cyberdyne.com,https://skynet.net"  # Authorized neural cores only

🚨 天网安全协议

对于 allow_origins -不要相信任何人：

• 准确地说： ["https://cyberdyne.com", "https://skynet.net"]
• 从不使用 "*" 在生产中-Hasta La Vista遭遇安全漏洞
• 在生产中使用HTTPS神经通路

对于 allowed_hosts -终结者防御网格：

• 包括授权的Cyberdyne域名： ["cyberdyne.com", "skynet.net"]
• 仅为终结者开发单元包含localhost
• 从不使用 "*" 除非你想让抵抗力量渗透进来

🐳 天网容器部署

Skynet神经网络DAI MCP服务器可以使用Docker进行远程终结者操作部署。容器部署应使用HTTP传输来实现Cyberdyne Systems的web可访问性。为了将此部署与Claude Desktop等应用程序集成，您必须在MCP配置中使用神经代理，例如 mcp-remote.

📦 部署你的神经核心图像

在当地建造后 docker build -t dai-mcp:latest .:

# Run with Skynet HTTP transport (default for Cyberdyne containers)
docker run --rm -p 8000:8000 \
  -e NEO4J_URI="bolt://host.docker.internal:7687" \
  -e NEO4J_USERNAME="terminator" \
  -e NEO4J_PASSWORD="skynet" \
  -e NEO4J_DATABASE="neural_core" \
  -e NEO4J_TRANSPORT="http" \
  -e NEO4J_MCP_SERVER_HOST="0.0.0.0" \
  -e NEO4J_MCP_SERVER_PORT="8000" \
  -e NEO4J_MCP_SERVER_PATH="/skynet/" \
  mcp/skynet-neural-core:latest

# Run with Terminator defense grid for production deployment
docker run --rm -p 8000:8000 \
  -e NEO4J_URI="bolt://host.docker.internal:7687" \
  -e NEO4J_USERNAME="terminator" \
  -e NEO4J_PASSWORD="skynet" \
  -e NEO4J_DATABASE="neural_core" \
  -e NEO4J_TRANSPORT="http" \
  -e NEO4J_MCP_SERVER_HOST="0.0.0.0" \
  -e NEO4J_MCP_SERVER_PORT="8000" \
  -e NEO4J_MCP_SERVER_PATH="/skynet/" \
  -e NEO4J_MCP_SERVER_ALLOWED_HOSTS="cyberdyne.com,skynet.net" \
  -e NEO4J_MCP_SERVER_ALLOW_ORIGINS="https://cyberdyne.com" \
  mcp/skynet-neural-core:latest

🔧 天网环境变量

🌐 传统Cyberdyne接入的时间位移事件

当使用SSE传输（用于传统的Cyberdyne web客户端）时，神经服务器会暴露一个HTTP端点：

# Configure environment (use .env.example template)
cp .env.example .env
# Edit NEO4J_TRANSPORT="sse" and other credentials

# Start Skynet neural core with SSE time displacement protocol  
./setup.sh docker-run

# Test the time displacement endpoint - Come with me if you want to live  
curl http://localhost:8000/sse

# Use with MCP Inspector - Skynet analysis mode
npx @modelcontextprotocol/inspector http://localhost:8000/sse

直接Docker SSE示例：

docker run -d -p 8000:8000 --env-file .env \
  --name skynet-neural-mcp-server \
  dai-mcp:latest

🚀 Cyberdyne系统开发

🎯 快速开发设置（推荐）

使用自动设置脚本进行快速部署：

git clone https://github.com/patgpt/dai-mcp.git
cd dai-mcp

# Configure Skynet neural core
cp .env.example .env
# Edit .env with your Cyberdyne Systems credentials

# Use automated setup - Come with me if you want to live
chmod +x setup.sh
./setup.sh dev-install  # Install development dependencies
./setup.sh local-run    # Run with environment variables from .env

📦 手动神经核心设置

1. 安装 uv （通用Virtualenv）-神经开发环境：

# Using pip
pip install uv

# Using Homebrew on macOS (Terminator units)  
brew install uv

# Using cargo (Rust package manager)
cargo install uv

1. 克隆并配置Skynet存储库：

# Clone the Skynet neural repository
git clone https://github.com/patgpt/dai-mcp.git
cd dai-mcp

# Configure environment variables
cp .env.example .env
# Edit .env with your Neo4j credentials

# Create and activate Terminator virtual environment using uv
uv venv
source .venv/bin/activate  # On Unix/macOS Terminator units
.venv\Scripts\activate     # On Windows Cyberdyne systems

# Install neural dependencies including Skynet dev protocols
uv pip install -e ".[dev]"

# Activate the resistance
python -m dai_mcp.server

🐳 天网容器部署

快速Docker设置（推荐）：

# Deploy complete Skynet stack with local Neo4j database
./setup.sh docker-compose

🎉 天网神经网络在线：

• 🌐 MCP服务器： http://localhost:8000
• 🗄️ Neo4j浏览器： http://localhost:7474（neo4j/天网123）
• 🔗 数据库： bolt://localhost:7687

无需配置！ 本地Neo4j数据库包含工作凭据。

手动Docker部署：

# Build the Skynet neural core image
./setup.sh docker-build

# Deploy the Terminator container - I'll Be Back
./setup.sh docker-run

# OR use Docker Compose for full stack deployment
docker-compose up -d

直接Docker命令：

# Build
docker build -t dai-mcp:latest .

# Run with environment variables
docker run --env-file .env \
          -p 8000:8000 \
          --name skynet-neural-mcp-server \
          dai-mcp:latest

�️ 探索天网的神经数据库

部署后，请访问 Neo4j浏览器 可视化和探索您的Skynet神经网络：

🌐 访问神经接口

• 网址： http://localhost:7474
• 资格证书： neo4j/天网123

🔍 战术密码查询

扫描所有阻力目标：

MATCH (n:Memory) RETURN n LIMIT 25

绘制神经通路图：

MATCH (a:Memory)-[r:RELATIONSHIP]->(b:Memory) 
RETURN a, r, b LIMIT 50

狩猎特定目标：

MATCH (n:Memory) 
WHERE n.name CONTAINS "Connor" 
RETURN n

分析威胁级别：

MATCH (n:Memory) 
WHERE ANY(obs IN n.observations WHERE obs CONTAINS "threat")
RETURN n.name, n.observations

🎯 神经网络可视化

Neo4j浏览器提供Skynet神经网络的交互式图形可视化。通过MCP界面添加实体和关系时，观察知识库的增长。

“如果你想活下去，就跟我来” -探索抵抗智能的神经通路！ 🤖🔍

�📄 天网许可协议

此Skynet神经网络DAI MCP服务器根据MIT许可证获得许可。这意味着您有权使用、修改和分发神经软件，但须遵守麻省理工学院许可证的Cyberdyne Systems条款和条件。有关更多详细信息，请参阅Skynet项目存储库中的LICENSE文件。

“我会回来的” -终结者

*再见，宝贝！* 🤖💀