LLM理事会自动化系统
    
多模型推理→ 同行评审→ 最终合成（Rust MCP服务器）
基于Rust的MCP服务器，通过结构化的同行评审实现AI模型协作。该系统实施了一个3阶段的审议过程，其中多个法学硕士通过匿名同行评审协同回答问题，以防止偏见。
受工作流概念的启发 karpathy/llm委员会。主要界面为 光标聊天 或 克劳德代码 通过MCP工具和斜线命令。
______________________________________________________________________
概述（3个阶段）
- 第一阶段——初步意见：光标中有一个提示，显示多个选定型号或单个型号→ 每个模型都将其答案写入
~/.council//*-answer.md. - 第二阶段——同行评审:
- 跑 /peer_review by 生成审核提示（不包括模型自己的响应） - 模型生成审核内容 - 可选的：如果模型没有自动保存评论，请使用 /save_review 作为手动保存的后备方案 peer-review-by-.md
- 第三阶段——最终答案：从（单个）模型选项卡中，运行
/finalize by将所有回复和评论综合为final-answer-by-.md.
______________________________________________________________________
它如何组合在一起（聊天命令→ MCP服务器）
[Chat Commands (Cursor/Claude Code)]
├─ /first_answer {slug} "prompt" -> Stage1 capture (multi-model answers)
├─ /summarize -> tools.council.summarize (Optional: reduce token costs)
├─ /save_summary -> tools.council.save_summary (Save summary)
├─ /peer_review by -> tools.council.peer_review (Stage2, self-exclusion)
├─ /save_review -> tools.council.save_review (Save peer review)
└─ /finalize by -> tools.council.finalize (Stage3 synthesis)
▼
[Rust MCP Server: mcp-council]
Exposes tools.council.{first_answer,peer_review,save_review,finalize,summarize,save_summary}
▼
[Current AI Model Context]
Direct processing without external CLI calls______________________________________________________________________
关键路径
mcp-council/ # Rust MCP server source
├─ src/
├─ Cargo.toml
└─ QUICKSTART.md
.cursor/commands/cc/ # Chat-triggered commands (Stage1/2/3)
~/.council/{slug}/ # Outputs (answers, peer reviews, final synthesis)输出示例：
.council/your-project-slug/
├─ gpt-5-answer.md
├─ sonnet-answer.md
├─ gemini-answer.md
├─ summary.md # Optional: summary for large documents
├─ peer-review-by-sonnet.md
└─ final-answer-by-sonnet.md______________________________________________________________________
聊天命令（通用光标/克劳德代码）
- 第一阶段（收集答案）
/first_answer your-project-slug "Your Project Prompt"
- 第二阶段（同行评审，自我排除）
/peer_review your-project-slug by gpt-5.2- 自动排除指定模型自己的响应 - 返回当前模型要处理的结构化提示 - 模型生成审核内容 - 某些模型可能会自动保存审核文件；如果没有，请使用下面的回退
回退：手动保存（如果需要）
/save_review your-project-slug glm-4.6 "Review content..."- 仅当模型未自动保存评论时才使用此选项 - 将同行评审保存到 peer-review-by-glm-4.6.md - 商店在 ~/.council// 目录
- 第三阶段（最终合成）
/finalize your-project-slug by claude- 综合所有回复和评论 - 用途 by 指定合成模型的格式
- 可选：汇总大型文档（降低令牌成本）
/summarize your-project-slug sonnet "Very long document..." max_length=2000- 为大型文档生成摘要提示 - 模型生成摘要后，保存：
/save_summary your-project-slug sonnet "Summary content..."- 保存到 summary.md 用于Stage2/Stage3，以降低代币成本
文件结构:
.council//
├── -answer.md
├── summary.md # Optional: for large documents
├── peer-review-by-.md
└── final-answer-by-.md______________________________________________________________________
安装和接线
选项1：从crates.io安装（推荐）
# Install binary
cargo install mcp-council
# Install slash commands (interactive - prompts for subfolder name)
mcp-council --init # Both Cursor and Claude Code
mcp-council --init-cursor # Cursor only
mcp-council --init-claude # Claude Code only
# Example interaction:
# $ mcp-council --init
# Enter subfolder name (leave empty for default 'cc'): council
# -> Installs to ~/.cursor/commands/council/ and ~/.claude/commands/council/添加到MCP配置(~/.cursor/mcp.json 对于光标， ~/.claude.json 克劳德代码）：
{
"mcpServers": {
"mcp-council": {
"command": "mcp-council",
"args": []
}
}
}完成！现在您可以使用 /first_answer, /peer_review, /finalize 命令。
选项2：从源代码构建
git clone https://github.com/epicsagas/mcp-council.git
cd mcp-council
cargo build --release
cp target/release/mcp-council ~/.local/bin/在游标中注册MCP(~/.cursor/mcp.json)
{
"servers": {
"mcp-council": {
"command": "mcp-council",
"args": []
}
}
}安装聊天命令
# Ensure council root exists (home-scoped)
mkdir -p ~/.council
# For Cursor
mkdir -p ~/.cursor/commands/cc
cp mcp-council/commands/cc/* ~/.cursor/commands/cc/
# For Claude Code (per-project)
mkdir -p .cursor/commands/cc
cp mcp-council/commands/cc/* .cursor/commands/cc/
# Or globally for Claude Code
mkdir -p ~/.claude/commands/cc
cp mcp-council/commands/cc/* ~/.claude/commands/cc/有关完整演练，请参见 QUICKSTART.md.
______________________________________________________________________
主要特点
- 自我排斥：每个模型都会自动将自己的响应排除在同行评审之外
- 默认位置：用途
~/.council/{slug}默认情况下用于存储 - 通用兼容性：适用于Cursor和Claude代码
- 无外部依赖关系：在当前人工智能环境中直接处理
- 匿名评论：模型在不知道是哪个模型写的情况下评估响应
- 代币成本优化：可选
summarize降低Stage2/Stage3中大型文档令牌成本的工具
技术说明
- MCP协议：符合JSON-RPC 2.0标准的服务器
- 异步Rust：非阻塞I/O操作
- 错误处理：全面的错误传播和上下文
- 文件发现：智能
.council/目录搜索最多10个父级 - 模型支撑：可扩展到任何具有适当命名约定的LLM
许可证
______________________________________________________________________
致谢
- 模型上下文协议（MCP）
- 安thropic克劳德
- 谷歌双子座
- OpenAI GPT模型
- 游标IDE集成
- Claude代码集成