Iconsult MCP

图标结果MCP

基于教科书的多智能体系统架构咨询。

该项目受到皮亚杰认知发展理论的影响，在该理论中，学习是通过 图式的适应.

在行动中看到它

我们将Iconsult指向OpenAI 金融研究代理 --来自他们的代理SDK的5级多代理管道，并要求它评估架构成熟度。


查看完整的交互式架构回顾→

代理的当前架构

金融研究代理人使用 5级顺序流水线 精心策划 FinancialResearchManager.Search是唯一并发的阶段——其他所有内容都按顺序运行，验证器是一个终端死胡同：

flowchart TD
    User(["User Query"]) --> Manager["FinancialResearchManager"]
    Manager --> Planner["PlannerAgent\no3-mini"]
    Planner -->|"FinancialSearchPlan"| FanOut{"Parallel Fan-Out"}
    FanOut --> S1["SearchAgent 1"]
    FanOut --> S2["SearchAgent 2"]
    FanOut --> SN["SearchAgent N"]
    S1 --> Collect["Collect Results"]
    S2 --> Collect
    SN --> Collect
    Collect --> Writer["WriterAgent\ngpt-5.4"]
    Writer -.->|"as_tool"| Fundamentals["FundamentalsAnalystAgent"]
    Writer -.->|"as_tool"| Risk["RiskAnalystAgent"]
    Fundamentals -.-> Writer
    Risk -.-> Writer
    Writer -->|"FinancialReportData"| Verifier["VerifierAgent\ngpt-5.4"]
    Verifier --> Output(["Print Report"])

Iconsult发现了什么

坚实的基础——以及Iconsult的 知识图谱 遍历确定了7个类别的关键机会：

推荐架构

自然的下一个演变——添加重试逻辑、检查点、共享内存和验证反馈循环：

flowchart TD
    User(["User Query"]) --> Manager["FinancialResearchManager"]
    Manager --> Planner["PlannerAgent\no3-mini"]
    Planner -->|"FinancialSearchPlan"| FanOut{"Parallel Fan-Out"}
    FanOut --> S1["SearchAgent 1"]
    FanOut --> S2["SearchAgent 2"]
    FanOut --> SN["SearchAgent N"]
    S1 --> Collect["Collect Results"]
    S2 --> Collect
    SN --> Collect

    FanOut -.-> WD["Watchdog Timeout\nSupervisor"]:::opportunity
    S1 -.-> RT["Adaptive Retry\n+ Prompt Mutation"]:::opportunity
    S2 -.-> RT
    SN -.-> RT

    Collect --> CP1["Checkpoint\nSearch Results"]:::opportunity
    CP1 --> SharedMem[("Shared Epistemic\nMemory")]:::newpattern
    SharedMem --> Writer["WriterAgent\ngpt-5.4"]
    Writer -.->|"as_tool"| Fundamentals["FundamentalsAnalystAgent"]
    Writer -.->|"as_tool"| Risk["RiskAnalystAgent"]
    Fundamentals -.-> Writer
    Risk -.-> Writer

    Writer -->|"FinancialReportData"| Verifier["VerifierAgent\ngpt-5.4\n+ Scoring Rubric"]:::newpattern
    Verifier -->|"Pass"| Output(["Print Report"])
    Verifier -->|"Fail + Feedback"| Writer
    Verifier -.-> Metrics["Custom Evaluation\nMetrics"]:::opportunity

    classDef opportunity fill:none,stroke:#E74C3C,stroke-dasharray:5 5,color:#E74C3C
    classDef newpattern fill:#27AE60,stroke:#333,color:white

它是如何到达那里的

咨询遵循Iconsult的7步指导工作流程-- 查看可视化工作流→

它的作用

将其指向代码库（或描述您的架构），它将运行一个结构化的咨询：匹配概念，遍历 知识图谱 对于先决条件和冲突，根据基于类别的量规（第12章中的7个类别×3个级别）对成熟度进行评分，并使用前后架构图生成交互式HTML审查。

工具（25）

咨询工作流程：

协调：

质量和效用：

提示

知识图谱

141 concepts  ·  786 sections  ·  462 relationships  ·  1,248 concept-section mappings

关系类型跨度 uses, extends, alternative_to, component_of, requires, enables, complements, specializes, precedes，以及 conflicts_with.

它是如何建造的

该图是使用Claude和OpenAI嵌入分4个阶段从书中提取的：

看 docs/development.md 了解管道命令和技术细节。

探索交互式知识图谱→

设置

先决条件

• Python 3.10+
• A. 鸭妈妈 帐户（免费版有效）
• OpenAI API密钥（用于 ask_book)
• 克劳德代码 （可选配 视觉解释器 在咨询之外绘制临时图表的技能）

数据库访问

这 知识图谱 托管在MotherDuck上并公开共享。服务器会自动检测您是拥有数据库还是需要附加公共共享——不需要额外的配置。只需提供您的MotherDuck令牌，它就可以工作了。

安装可视化解释器（可选）

这 视觉解释器 咨询不再需要技能-- render_report 现在处理服务器端的HTML渲染。然而，它对于协商之外的特设图表仍然有用：

git clone https://github.com/nicobailon/visual-explainer.git ~/.claude/skills/visual-explainer
mkdir -p ~/.claude/commands
cp ~/.claude/skills/visual-explainer/prompts/*.md ~/.claude/commands/

安装

pip install git+https://github.com/marcus-waldman/Iconsult_mcp.git

发展：

git clone https://github.com/marcus-waldman/Iconsult_mcp.git
cd Iconsult_mcp
pip install -e .

环境变量

export MOTHERDUCK_TOKEN="your-token"    # Required — database
export OPENAI_API_KEY="sk-..."          # Required — embeddings for ask_book

MCP配置

添加到您的Claude桌面配置(claude_desktop_config.json)或克劳德代码设置：

{
  "mcpServers": {
    "iconsult": {
      "command": "iconsult-mcp",
      "env": {
        "MOTHERDUCK_TOKEN": "your-token",
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

验证

iconsult-mcp --check

许可证

AGPL-3.0——见 许可证 了解详情。