Mendicant MCP服务器
分布式AI代理系统的高级概率编排智能。实现自适应贝叶斯推理、时间知识衰减和闭环学习，用于战略代理协调。
状态： 生产|v0.5.1|131/131测试通过
______________________________________________________________________
快速开始
安装
CLI安装（推荐）：
claude mcp add mendicant-mcp-server手动配置：
添加到MCP配置文件：
- 窗户：
%APPDATA%\Claude\claude_desktop_config.json - macOS：
~/Library/Application Support/Claude/claude_desktop_config.json
{
"mcpServers": {
"mendicant": {
"command": "npx",
"args": ["-y", "mendicant-mcp-server"]
}
}
}重新启动克劳德代码以激活。
基本命令
战略规划：
const plan = await mendicant_plan(
"implement authentication system",
{ project_type: "nextjs", has_tests: false }
);结果协调：
const synthesis = await mendicant_coordinate(
"implement authentication system",
agent_results,
plan,
project_context
);健康分析：
const analysis = await mendicant_analyze({
git_status: "...",
test_results: {...},
build_status: "failing"
});故障恢复：
const failure_analysis = await mendicant_analyze_failure(
objective,
failed_agent_id,
error_message,
preceding_agents
);
const refined_plan = await mendicant_refine_plan(
original_plan,
failure_analysis,
objective
);模式发现：
const patterns = await mendicant_find_patterns(
"implement real-time notifications",
{ project_type: "nextjs" }
);______________________________________________________________________
仪表盘
该服务器包括一个实时网络仪表板，可在以下网址访问 http://localhost:3000 （默认情况下自动启动）。
特征：
- 实时执行监控
- 代理性能指标
- Mahoraga学习可视化
- 模式分析界面
配置：
{
"env": {
"DASHBOARD_PORT": "3000",
"DASHBOARD_BRIDGE_PORT": "3001",
"MENDICANT_AUTO_LAUNCH_DASHBOARD": "true"
}
}______________________________________________________________________
核心能力
自适应智能系统
- 贝叶斯置信度引擎 -等渗回归校准的概率推理
- 时间衰变引擎 -特定领域知识半衰期（45-730天）
- 反馈回路系统 -每次执行后的闭环学习
- 自适应执行器 -通过5种恢复策略实时修改计划
- 帕累托优化器 -多目标优化（准确性/成本/延迟）
- 预测冲突检测器 -主动冲突检测和解决
- 语义嵌入器 -多标签分类，便于客观理解
- Agent通信总线 -多代理协调基础设施
智能功能
语义代理匹配 -使用Mnemosyne BGE大型（本地、免费）或OpenAI嵌入（回退），基于向量嵌入的代理选择准确率为85-90%。
跨项目学习 -通过自动PII清理和作用域命名空间在项目之间进行隐私保护模式匹配。
混合实时同步 -关键操作在\/mendicant-mcp-server/dist/index.js"] } } }
______________________________________________________________________
### 局限性
**服务器功能：**
- ✅ 概率代理选择（贝叶斯推理）
- ✅ 实时自适应执行
- ✅ 时间知识衰减
- ✅ 多目标优化
- ✅ 预测性冲突检测
- ✅ 语义目标分类
- ✅ 闭环学习
- ✅ 基于模式的规划
**建筑边界：**
- ❌ 深入的语义理解（需要LLM-由Claude Code提供）
- ❌ 特定于代码库的分析（必须提供上下文）
- ❌ 代码合成（仅协调）
- ❌ 直接文件系统操作（Claude Code处理此操作）
**设计原理：** MCP中的自适应概率智能；Claude Code中的语义理解和执行。
______________________________________________________________________
## 技术规格
**依赖关系：**
- `@modelcontextprotocol/sdk` ^1.0.4
- `openai` ^4.104.0（可选）
**运行时间要求：**
- Node.js 16+
- TypeScript 5.7.2
**包装尺寸：** 692.5 kB（310个文件）
**测试覆盖范围：** 131/131通过（100%）
______________________________________________________________________
## 参考文献
**存储库：** https://github.com/zhadyz/mendicant-mcp-server
**问题：** https://github.com/zhadyz/mendicant-mcp-server/issues
**Mnemosyne MCP：** https://github.com/zhadyz/mnemosyne-mcp
**npm包：** https://www.npmjs.com/package/mendicant-mcp-server
**附加文件：**
- [CYCLE5_FEATURES.md](./CYCLE5_FEATURES.md) -功能文档
- [MIGRATION_GUIDE.md](./MIGRATION_GUIDE.md) -升级指南
- [OPENAI_SETUP.md](./OPENAI_SETUP.md) -OpenAI配置
- [用法\_ GIDE.md](./USAGE_GUIDE.md) -详细用法
**作者** 扎兹
**许可证：** 麻省理工学院
______________________________________________________________________
**注：** Mahoraga系统通过贝叶斯推理、时间感知和持续学习展示了真正的自适应智能。这个名字反映了它的适应性。