MCP Pas

🏛️ PAS-科学推理MCP服务器

P侧 • A.ristotle• Socrates

一种模型上下文协议（MCP）服务器，为人工智能代理带来结构化的贝叶斯推理。PAS实现了一个以科学法律为基础的思想之树架构，使人工智能能够通过复杂的问题进行更深思熟虑的推理。

   ](CHANGELOG.md)

______________________________________________________________________

🎯 什么是PAS？

PAS通过以下方式改变了AI代理处理复杂推理的方式：

• 扩展 系统的假设（如柏拉图的构思）
• 批评 每个分支都有反驳（如苏格拉底的辩证法）
• 接地 科学定律中的推理（如亚里士多德的经验主义）

PAS构建了一个 推理树 其中每个假设都使用贝叶斯推理进行评分，并通过对抗性批评进行质疑。

______________________________________________________________________

✨ 特性

______________________________________________________________________

🧠 顺序思维整合

PAS旨在协同工作 @anthropic/mcp-sequential-thinking.虽然顺序思维处理 线性 PAS提供的思维链 树状结构的 使用贝叶斯评分进行推理。

补充用途

推荐图案

1. Use Sequential Thinking for quick, linear reasoning
2. When uncertainty is high, escalate to PAS:
   → start_reasoning_session(user_goal="...")
   → Expand, critique, deepen until quality gate passes
3. Record outcome for RLVR learning

______________________________________________________________________

🛠️ 工具（总计25+）

会话管理

推理（扩展与批判）

顺序分析（v32/v37）

5层间隙分析 检查：

1. 代码结构 -需要哪些代码更改？
2. 依赖项 -假设了哪些包/系统？
3. 数据流 -哪些数据会移动到哪里？
4. 接口 -哪些API/合约受到影响？
5. 工作流 -用户/系统流程发生了哪些变化？

树导航

聪明面试

面试特点：

• 域检测 -自动检测UI、架构、调试、测试域
• 隐藏上下文 -选择包含用于特征推理的隐藏元数据
• 后续规则 -基于答案的条件问题注入
• 进度跟踪 -最多15个问题，3级深度
• 历史档案 -为自学而存储的已回答问题

自主学习（RLVR）

RLVR自动录制：

{
  "finalize_session": {
    "terminal_output": "[terminal logs here]",
    "auto_record": true
  }
}

PAS自动解析终端输出并记录结果。

代码导航（v38）

______________________________________________________________________

📦 安装

先决条件

• Python 3.10+
• PostgreSQL 16+及其扩展：

- pgvector （语义相似性） - ltree （树路径）

步骤1：克隆和设置

git clone https://github.com/nocountryman/mcp-pas.git
cd mcp-pas

# Create virtual environment
python -m venv .venv
source .venv/bin/activate  # Linux/Mac

# Install dependencies
pip install -r requirements.txt

依赖项

可选工具

何时使用LSIF vs Jedi：

• 绝地武士 （默认）：实时分析，无需预索引，开箱即用
• 生命科学创新论坛 （可选）：通过预先计算的指数 pyright --outputtype lsif，对于大型代码库更快

# Generate LSIF index (optional)
pyright --outputtype lsif --outputfile project.lsif.json

# Import into PAS
# → import_lsif(project_id="...", lsif_path="/path/to/project.lsif.json")

步骤2：数据库设置

# Create database
sudo -u postgres createdb mcp_pas

# Enable extensions
sudo -u postgres psql -d mcp_pas -c "CREATE EXTENSION IF NOT EXISTS vector;"
sudo -u postgres psql -d mcp_pas -c "CREATE EXTENSION IF NOT EXISTS ltree;"

# Run schema
psql -d mcp_pas -f schema.sql

# Seed scientific laws and domains
python seed_laws.py
python seed_domains_v2.py

步骤3：环境配置

cp env.template .env
# Edit .env with your database credentials

DATABASE_URL=postgresql://user:password@localhost:5432/mcp_pas

注： PAS通过以下方式使用本地嵌入 sentence-transformers 默认情况下。不需要OpenAI API密钥。

步骤4:GPU加速（可选）

PAS嵌入模型可以在GPU上运行 加载速度提高5-10倍 （CPU上为11秒vs 2-5分钟）。

AMD GPU（ROCm）

注： ROCm-PyTorch轮子需要Python 3.10-3.12。在使用Python 3.14+的滚动发布发行版（Arch/CachyOS）上，您需要一个单独的Python 3.12虚拟环境。

第一步：使用ROCm-PyTorch创建Python 3.12 venv：

# Create separate venv with Python 3.12
python3.12 -m venv .venv312
source .venv312/bin/activate

# Install ROCm PyTorch from official wheels
pip install torch --index-url https://download.pytorch.org/whl/rocm6.2

# Install other dependencies
pip install -r requirements.txt

步骤2:RDNA2 GPU解决方法（RX 6000系列）：

RDNA2 GPU（gfx1032、gfx1030）需要一个环境变量覆盖：

export HSA_OVERRIDE_GFX_VERSION=10.3.0

将此添加到您的MCP配置中：

{
  "env": {
    "DATABASE_URL": "...",
    "HSA_OVERRIDE_GFX_VERSION": "10.3.0"
  }
}

验证是否检测到GPU：

source .venv312/bin/activate
HSA_OVERRIDE_GFX_VERSION=10.3.0 python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"
# Expected: True AMD Radeon RX 6650 XT (or your GPU)

NVIDIA GPU（CUDA）

开 Arch Linux/CachyOS:

sudo pacman -S python-pytorch-cuda cuda cudnn

开 Ubuntu/Debian:

pip install torch --index-url https://download.pytorch.org/whl/cu121

性能比较

无需其他更改 -一旦venv使用ROCm/CUDA火炬，单例 utils.py 自动将模型加载到GPU。

______________________________________________________________________

🔌 IDE集成

VS代码/光标（带Claude/Gemini扩展名）

添加到MCP配置中：

{
  "mcpServers": {
    "pas-server": {
      "command": "/path/to/mcp-pas/.venv/bin/python",
      "args": ["/path/to/mcp-pas/server.py"],
      "env": {
        "DATABASE_URL": "postgresql://user:password@localhost:5432/mcp_pas",
        "HSA_OVERRIDE_GFX_VERSION": "10.3.0"
      }
    }
  }
}

注： 使用 .venv312/bin/python 适用于GPU（ROCm）或 .venv/bin/python 仅适用于CPU。 移除 HSA_OVERRIDE_GFX_VERSION 如果使用NVIDIA或RDNA3+GPU。

配置后：重新启动IDE(Ctrl+Shift+P → 重新加载窗口）。

______________________________________________________________________

🚀 用法详解

基本推理流程

1. Start session
   → start_reasoning_session(user_goal="Design a caching layer")

2. Expand hypotheses (3 alternatives)
   → prepare_expansion(session_id="...")
   → store_expansion(session_id="...", h1_text="...", h1_confidence=0.85, ...)

3. Critique top hypothesis
   → prepare_critique(node_id="...")  # Returns llm_prompt
   → [Process prompt]
   → store_critique(node_id="...", counterargument="...", severity_score=0.3)

4. Sequential gap analysis (REQUIRED before finalize)
   → prepare_sequential_analysis(session_id="...", top_n=3)
   → [Process 5-layer prompts]
   → store_sequential_analysis(session_id="...", results="[...]")

5. Deepen if score < 0.9 or gap < 0.1
   → store_expansion(parent_node_id="...", h1_text="Improved approach...", h1_confidence=0.95)

6. Get recommendation
   → finalize_session(session_id="...")
   # Returns: quality_gate, recommendation, exhaustive_check

智能面试流程

1. Identify missing context
   → identify_gaps(session_id="...")

2. Ask questions one at a time
   → get_next_question(session_id="...")
   → [Present to user]
   → submit_answer(session_id="...", question_id="...", answer="B")

3. Check completion
   → check_interview_complete(session_id="...")
   # Once complete, hidden context is propagated to session

质量门（v31）

PAS不会接受低质量的决策：

{
  "quality_gate": {
    "score": 0.95,
    "score_threshold": 0.9,
    "score_ok": true,
    "gap": 0.12,
    "gap_threshold": 0.1,
    "gap_ok": true,
    "passed": true
  }
}

如果 passed: false，PAS建议如何改进：

{
  "score_improvement_suggestions": [
    {"lever": "score", "action": "Expand deeper with higher confidence (0.9+)"},
    {"lever": "gap", "action": "Explore more diverse alternatives"}
  ]
}

______________________________________________________________________

📊 建筑

模块结构（v42）

server.py                  Main MCP server (~5400 lines)
├── errors.py              Exception hierarchy (~200 lines)
├── utils.py               DB, embeddings, validation (~185 lines)
├── reasoning_helpers.py   Bayesian scoring, quality (~310 lines)
├── learning_helpers.py    RLVR, terminal parsing (~240 lines)
├── interview_helpers.py   Interview flow (~220 lines)
├── codebase_helpers.py    Symbol extraction (~260 lines)
├── sessions_helpers.py    Session lifecycle (~270 lines)
├── metacognitive_helpers.py  5-stage prompting (~200 lines)
├── preflight_helpers.py   Preflight enforcement (~180 lines)
├── calibration_helpers.py CSR calibration (~180 lines)
├── purpose_helpers.py     Hierarchical inference (~150 lines)
├── hybrid_helpers.py      Hypothesis synthesis (~120 lines)
└── self_awareness_helpers.py Schema introspection (~250 lines)

tests/
├── conftest.py            Fixtures + Layer 4 failure logging
├── test_tools/            Layer 1: Static domain tests
│   ├── test_reasoning.py  16 tests (9 tools)
│   ├── test_learning.py   6 tests (4 tools)
│   ├── test_codebase.py   8 tests (8 tools)
│   ├── test_metacognitive.py 7 tests (3 tools)
│   └── test_interview.py  5 tests (4 tools)
├── scenarios/             Layer 2: YAML workflow tests
├── test_scenarios.py      YAML runner
├── test_coverage.py       Layer 3: Self-aware coverage
└── test_server.py         Legacy v22/v23 tests

数据库表

______________________________________________________________________

📚 科学法律图书馆

PAS包括15条以上既定的推理法则：

• CAP定理 -分布式系统的权衡
• 奥卡姆剃刀 -更喜欢简单的解决方案
• 康威定律 -系统结构反映组织
• 海勒姆定律 -所有可观察到的行为都将取决于
• 布鲁克斯定律 -将人员添加到后期项目会使他们更晚
• 阿姆达尔定律 -并行加速限制
• 侯世达定律 -它总是比预期的要花更长的时间
• *…以及更多*

______________________________________________________________________

🧪 测试

PAS包括 自我意识测试套件 它测试自己，并将发现的错误记录回PAS进行学习。

测试套件架构（v42）

运行测试

# Full suite with PAS failure logging
PAS_DB_NAME=mcp_pas pytest tests/ -v

# Fast mode (no failure logging)
PAS_DB_NAME=mcp_pas PAS_LOG_FAILURES=false pytest tests/ -v

# Run only unit tests
PAS_DB_NAME=mcp_pas pytest tests/test_tools/ -v

# Run YAML scenarios
PAS_DB_NAME=mcp_pas pytest tests/test_scenarios.py -v

# Check coverage (fails if new tool lacks tests)
PAS_DB_NAME=mcp_pas pytest tests/test_coverage.py -v

自我意识覆盖

当添加新工具时， test_coverage.py 自动失败：

Missing tests for: [new_tool_name]

这确保了测试覆盖率随着代码库的增长而增长。

______________________________________________________________________

🤖 模型兼容性

______________________________________________________________________

📈 更新日志

看 更改日志.md 版本历史。

当前版本： v42测试

______________________________________________________________________

🤝 贡献

欢迎投稿！感兴趣的领域：

• 附加科学定律
• 新的推理模式
• 特定领域的问题集
• 性能优化

______________________________________________________________________

📄 许可证

GNU AGPLv3许可证-请参阅 许可证 了解详情。

______________________________________________________________________

🙏 致谢

以西方哲学的三大支柱命名：

• 柏拉图 -构思和假设生成
• 亚里士多德 -科学规律的经验基础
• 苏格拉底 -辩证批判与质疑

*“未经检验的想法不值得相信。”*