决策框架MCP服务器
动机
语言模型经常在结构化决策方面遇到困难，特别是在涉及多个选项、不确定的结果和复杂的价值权衡时。当前型号经常：
- 未能系统地列举所有可用选项
- 对结果概率做出不一致的判断
- 期权评估中的偏好和概率冲突
- 没有系统地识别和权衡决策标准
- 建议中未考虑风险承受能力
- 错过收集额外信息的机会
决策框架服务器通过为决策分析提供结构化框架来解决这些局限性。通过将决策过程外部化，模型可以提供更严格、透明和个性化的决策支持。
技术规范
工具接口
interface Option {
id: string;
name: string;
description: string;
}
interface Outcome {
id: string;
description: string;
probability: number; // 0.0-1.0
optionId: string;
value: number; // Utility value, can be positive or negative
confidenceInEstimate: number; // 0.0-1.0
}
interface Criterion {
id: string;
name: string;
description: string;
weight: number; // 0.0-1.0, with all weights summing to 1.0
evaluationMethod: "quantitative" | "qualitative" | "boolean";
}
interface CriterionEvaluation {
criterionId: string;
optionId: string;
score: number; // 0.0-1.0 for normalized scores
justification: string;
}
interface InformationGap {
description: string;
impact: number; // 0.0-1.0, how much it affects the decision
researchMethod: string;
}
interface DecisionAnalysisData {
// Core decision elements
decisionStatement: string;
options: Option[];
criteria?: Criterion[];
criteriaEvaluations?: CriterionEvaluation[];
possibleOutcomes?: Outcome[];
informationGaps?: InformationGap[];
// Decision context
stakeholders: string[];
constraints: string[];
timeHorizon: string;
riskTolerance: "risk-averse" | "risk-neutral" | "risk-seeking";
// Analysis results
expectedValues?: Record; // optionId -> expected value
multiCriteriaScores?: Record; // optionId -> weighted score
sensitivityInsights?: string[];
recommendation?: string;
// Process metadata
decisionId: string;
analysisType: "expected-utility" | "multi-criteria" | "maximin" | "minimax-regret" | "satisficing";
stage: "problem-definition" | "options" | "criteria" | "evaluation" | "analysis" | "recommendation";
iteration: number;
// Next steps
nextStageNeeded: boolean;
suggestedNextStage?: string;
}工艺流程
sequenceDiagram
participant Model
participant DecServer as Decision Framework Server
participant State as Decision State
Model->>DecServer: Define decision problem
DecServer->>State: Store problem definition
DecServer-->>Model: Return decision state
Model->>DecServer: Enumerate options
DecServer->>State: Store available options
DecServer-->>Model: Return updated state
Model->>DecServer: Define evaluation criteria
DecServer->>State: Store criteria with weights
DecServer-->>Model: Return updated state
Model->>DecServer: Evaluate options against criteria
DecServer->>State: Store evaluations, calculate scores
DecServer-->>Model: Return updated state with scores
Model->>DecServer: Add outcome probabilities
DecServer->>State: Store outcomes, calculate expected values
DecServer-->>Model: Return updated state with expected values
Model->>DecServer: Generate recommendation
DecServer->>State: Store recommendation with justification
DecServer-->>Model: Return final decision analysis主要特点
1.结构化决策制定
服务器强制执行明确的问题定义：
- 决策陈述：决定的明确框架
- 选项：全面列举备选方案
- 约束条件：明确可行方案的界限
- 利益相关方：谁受到该决定的影响
2.多方法决策分析
服务器支持各种决策框架：
- 预期效用：概率×值计算
- 多准则分析：跨标准加权评分
- 最大值/最大值：关注最坏/最好的结果
- 最小最大遗憾：最大限度地减少潜在的遗憾
- 满意选择：寻找符合最低门槛的选项
3.概率与值分离
服务器对以下内容进行了明确区分：
- 概率评估：结果的可能性
- 价值判断：结果的可取性
- 置信水平：估计数的确定性
4.信息价值分析
服务器标识：
- 信息差距：我们不知道什么
- 研究价值：值得收集更多信息
- 决策稳健性：建议对假设有多敏感
5.视觉表现
服务器将决策分析可视化：
- 预期效用分析的决策树
- 用于多准则分析的热图
- 显示变化如何影响建议的敏感性图
使用示例
个人决策支持
对于重大的生活决策（职业、教育、搬迁），该模型可以构建选项、标准和不确定性，以提供个性化的指导。
商业策略
在评估业务计划时，该模型可以通过明确的因素权重分析多个标准的选项。
风险管理
对于具有重大不确定性的决策，该模型可以提供具有置信区间的期望值计算。
政策分析
在评估政策选择时，该模型可以系统地考虑不同利益相关者的影响。
实施
服务器使用TypeScript实现：
- 核心DecisionFrameworkServer类
- 决策分析计算引擎
- 不同分析类型的可视化组件
- 敏感性分析工具
- 通过stdin/stdout连接标准MCP服务器
该服务器增强了复杂决策支持的模型功能，特别是在需要系统比较选项、明确权衡分析和结构化处理不确定性的领域。