NEXS MCP服务器
  ](https://go.dev)     ](https://www.npmjs.com/package/@fsvxavier/nexs-mcp-server) ](https://hub.docker.com/r/fsvxavier/nexs-mcp)
Go内置的生产就绪模型上下文协议（MCP）服务器
*使用企业级架构、高性能、全面的工具和 智能令牌优化 通过8项高级优化服务，包括压缩、流式传输、重复数据删除、摘要和自适应缓存，将AI上下文使用率降低了81-95%。*
📚 文档 • 🚀 快速开始 • 🔧 工具 • 📦 元素类型 • 💡 例子 • ⚡ 令牌优化
______________________________________________________________________
🎯 什么是NEXS MCP？
为什么选择NEXS MCP？
- � 代币制 -通过智能对话记忆和关键字提取，将AI上下文使用率降低70-85%
- 🌍 多语言支持 -支持11种语言（EN、PT、ES、FR、DE、IT、RU、JA、ZH、AR、HI），具有自动检测功能
- �🚀 高性能 -内置Go以提高速度和效率
- 🏗️ 清洁建筑 -领域驱动设计，关注点明确分离
- ✅ 生产就绪 -70%的测试覆盖率，500多次测试，零竞争条件，零缺陷问题
- 🔧 96 MCP工具 -完整的投资组合（74个基础+8个优化+15个工作记忆+3个质量评分+其他）
- 📦 6种元素类型 -人物角色、技能、模板、代理人、记忆、合奏
- 🔄 双存储器 -基于文件（YAML）或内存存储模式
- 🌐 交叉平台的 -适用于Linux、macOS、Windows（amd64/arm64）的二进制文件
- 🐳 Docker就绪 -具有安全强化功能的多拱形Docker镜像
- 📊 分析 -内置性能监控和使用统计
用例
- 令牌优化 -通过8项智能优化服务将AI API成本降低81-95%：响应压缩（gzip/zlib）、流式响应、语义重复数据消除、TF-IDF摘要、上下文窗口管理、自适应缓存、批处理和提示压缩
- 记忆巩固 -基于HNSW的重复检测、DBSCAN/K均值聚类、使用NLP实体和关系的知识图提取（Sprint 14）
- 质量评分 -内置ONNX模型用于内容质量评估（MS MARCO用于速度，Paraphrase Multilingual用于质量）
- AI系统管理 -人工智能角色、技能和工作流程的集中管理
- 投资组合组织 -使用GitHub集成组织和版本控制AI元素
- 团队协作 -通过GitHub跨团队共享元素集合
- 开发工作流程 -自动化AI元素的创建和部署
- 上下文管理 -通过重复数据删除和自动语言检测存储和检索对话记忆
- 多智能体系统 -使用复杂的执行策略协调代理组合
- 多语言应用程序 -支持11种语言的对话，具有自动检测和优化的停用词过滤功能
______________________________________________________________________
✨ 主要特点
NLP和分析功能（Sprint 18）
- ✅ 增强的实体提取 -基于ONNX BERT的NER，有9种实体类型（个人、组织、地点、日期、活动、产品、技术、概念、其他）
- 变压器型号：protectai/bert base NER onnx（411 MB） - CoNLL-2003生物格式标签（B-PER、I-PER、B-ORG、I-ORG、B-LOC、I-LOC、B-MISC、I-MISC、O） - 性能：100-200ms（CPU），15-30ms（GPU），93%以上的精度 - 置信度评分：0.0-1.0，阈值可配置（默认值：0.7） - 回退：基于规则的正则表达式提取（置信度=0.5） - API文档 | NLP功能指南
- ✅ 关系检测 -10种具有证据跟踪功能的关系类型
- 类型：工作\_ AT、成立、本地化\_ IN、出生\_ IN、牲畜\_ IN、总部\_ IN、开发\_ BY、使用\_ BY、附属\_ WITH、关联\_ TO - 基于共现的关系推理 - 双向关系存储 - 置信度评分和证据文本
- ✅ 情感分析 -基于DistilBERT的多语言情感维度
- 型号：lxyuan/distilbert基础多语种案例情感学生（516 MB） - 标签：阳性、阴性、中性、混合（阈值：0.6） - 情绪维度：快乐、悲伤、愤怒、恐惧、惊讶、厌恶（0.0-1.0分） - 性能：50-100ms（CPU），10-20ms（GPU），91%+精度 - 趋势分析：情绪跟踪的5点移动平均线 - 移位检测：可配置的情绪变化阈值 - 回退：基于词汇的情感（正面/负面单词列表）
- ✅ 主题建模 -具有一致性评分的经典算法
- 算法：LDA（潜在狄利克雷分配）、NMF（非负矩阵分解） - LDA:Gibbs采样，可配置迭代/主题 - NMF：乘法更新，比LDA更快（对于100个文档，0.5秒对1秒） - 质量指标：一致性（关键字共现）、多样性（关键字唯一性） - 性能：100个文档1-5秒（LDA、CPU） - 纯Go实现：无ONNX依赖
- ✅ 6个NLP MCP工具 -通过MCP协议访问高级NLP功能
- extract_entities_advanced -使用变压器模型提取实体 - analyze_sentiment -情绪语调的情绪分析 - extract_topics -使用LDA/NMF进行主题建模 - analyze_sentiment_trend -基于移动平均线的情绪趋势分析 - detect_emotional_shifts -情绪变化检测 - summarize_sentiment -总体情绪统计
- ✅ ONNBERT提供程序 -BERT/DistilBERT型号的统一ONNX提供商
- 具有同步功能的线程安全。RWMutex保护 - 双模型支持：BERT NER（3个输入），DistilBERT Sentiment（2个输入） - 基于空间回退的BIO格式标记化 - 批量处理：可配置批量大小（默认值：16） - GPU加速：通过NEXS_NLP_USE_GPU=true支持CUDA/ROCm - 构建标签：不带ONNX的可移植构建（nounx标签）
核心基础设施
- ✅ 官方MCP SDK -基于github构建。com/modelcontextprotocol/go-sdk v1.2.0
- ✅ 清洁建筑 -领域驱动设计，关注点明确分离
- ✅ 高测试覆盖率 -76.4%的应用程序，91.7%的HNSW，96.7%的TF-IDF，295次测试，零竞争条件，零缺陷问题
- ✅ 双存储模式 -基于文件的YAML或内存中
- ✅ 121 MCP工具 -具有NLP、整合、优化、时间特征和任务调度的完整投资组合
- ✅ 8代币优化服务 -压缩、流式传输、重复数据删除、摘要、上下文管理、自适应缓存、批处理、提示压缩
- ✅ 6种元素类型 -角色、技能、模板、代理、记忆、合奏
- ✅ 24应用服务 -包括3个NLP服务+1个ONNX提供商（Sprint 18）
- ✅ 标准运输 -通过stdin/stdout进行标准MCP通信
- ✅ 线程安全 -具有适当同步的并发操作
- ✅ 交叉平台的 -适用于Linux、macOS、Windows（amd64/arm64）的二进制文件
生产特点
- ✅ 官方MCP SDK -基于github构建。com/modelcontextprotocol/go-sdk v1.2.0
- ✅ 清洁建筑 -领域驱动设计，关注点明确分离
- ✅ 高测试覆盖率 -76.4%的应用程序，91.7%的HNSW，96.7%的TF-IDF，295次测试，零竞争条件，零缺陷问题
- ✅ 双存储模式 -基于文件的YAML或内存中
- ✅ 104 MCP工具 -完整的投资组合，包括整合、优化、时间特征和任务调度
- ✅ 8代币优化服务 -压缩、流式传输、重复数据删除、摘要、上下文管理、自适应缓存、批处理、提示压缩
- ✅ 6种元素类型 -角色、技能、模板、代理、记忆、合奏
- ✅ 21应用服务 -包括4项新的整合服务（Sprint 14）
- ✅ 标准运输 -通过stdin/stdout进行标准MCP通信
- ✅ 线程安全 -具有适当同步的并发操作
- ✅ 交叉平台的 -适用于Linux、macOS、Windows（amd64/arm64）的二进制文件
GitHub集成
- ✅ OAuth身份验证 -安全设备流身份验证
- ✅ 投资组合同步 -向GitHub存储库推送/从GitHub存储库拉取元素
- ✅ 收集系统 -安装、管理和发布元素集合
- ✅ PR提交 -通过自动PR将元素提交到集合
- ✅ 冲突检测 -采用多种策略的智能冲突解决
- ✅ 增量同步 -高效的基于增量的同步
生产特点
- ✅ 自动保存 -通过多语言关键字提取自动保存对话上下文（11种语言）
- ✅ 令牌优化 -通过8项优化服务，AI上下文使用率降低了81-95%：压缩（gzip/zlib 70-75%）、流式传输（防止溢出）、语义重复数据删除（92%+相似性）、TF-IDF摘要（减少70%）、上下文窗口管理（智能截断）、自适应缓存（动态TTL 1h-7d）、批处理（快10倍）和提示压缩（减少35%）
- ✅ ONNX质量评分 -用于内容质量评估的内置模型
- MS MARCO MiniLM-L-6-v2 （默认）：61.64ms延迟，9种语言（非CJK），~16 inf/s吞吐量 - 多语言释义-MiniLM-L12-v2 （可配置）：109.41ms延迟，包括CJK在内的11种语言，效率提高71% - 多层回退：ONNX→ 格罗克API→ API双子星→ 隐式信号 - 基于质量的保留策略（高：365天，中：180天，低：90天） - 配置指南 | 基准测试
- ✅ 工作记忆系统 -具有基于优先级的TTL的会话范围内存（15个工具）
- 优先级：低（1小时）、中（4小时）、高（12小时）、严重（24小时） - 基于访问模式自动升级到长期存储 - 每5分钟清理一次背景 - API文档
- ✅ 后台任务调度器 -强大的调度系统（Sprint 11）
- 类Cron表达式：通配符、范围、步骤、列表 - 基于优先级的执行：低/中/高 - 带有验证的任务依赖关系 - 使用JSON和原子写入的持久存储 - 具有可配置延迟的自动重试 - API文档
- ✅ 时间特征 -时间旅行和版本历史（Sprint 11-4工具）
- 快照/差异压缩的版本历史记录 - 置信度衰减：指数、线性、对数、阶跃 - 时间旅行查询：在任何时间点重建图形 - 关键关系维护 - API文档 | 用户指南
- ✅ 多语言记忆 -自动语言检测（EN、PT、ES、FR、DE、IT、RU、JA、ZH、AR、HI），具有特定语言的停用词过滤功能
- ✅ 快速创建工具 -使用模板默认值简化元素创建
- ✅ 备份和恢复 -使用tar.gz压缩和SHA-256校验和的投资组合备份
- ✅ 内存管理 -使用相关性评分搜索、总结、更新记忆
- ✅ 结构化日志记录 -基于slog的JSON/文本日志，具有上下文提取功能
- ✅ 日志查询工具 -按级别、用户、操作、工具过滤和搜索日志
- ✅ 用户身份 -支持元数据的会话管理
- ✅ 分析仪表板 -使用统计和性能指标（p50/p95/p99）
集成能力
- ✅ 顺序执行 -使用上下文共享按顺序运行代理
- ✅ 并行执行 -同时运行代理以提高速度
- ✅ 混合执行 -混合顺序和并行策略
- ✅ 聚合策略 -首先，最后，共识，投票，全部，合并
- ✅ 监控 -实时进度跟踪和回调
- ✅ 回退链 -自动故障转移到备份代理
______________________________________________________________________
📊 项目状态
Version: v1.4.0 (Enhanced NLP & Analytics)
Application Coverage: 76.4% ✓ (+13.2%)
HNSW Index: 91.7% ✓
TF-IDF Index: 96.7% ✓
Template Layer: 87.0% ✓
Portfolio Layer: 75.6% ✓
Lines of Code: ~86,925 (42,739 production + 44,186 tests)
Test Cases: 295 tests (100% passing, 0 race conditions)
MCP Tools: 121 (26 element + 9 memory + 15 working + 10 consolidation + 6 NLP + others)
Application Services: 24 (3 new NLP services + 1 ONNX provider)
Element Types: 6 (Persona, Skill, Template, Agent, Memory, Ensemble)
ONNX Models: 4 (MS MARCO, Paraphrase-Multilingual, BERT NER, DistilBERT Sentiment)
Quality: Zero race conditions, Zero linter issues
Token Optimization: 81-95% economy (8 services integrated)
NLP Performance: 100-200ms entity extraction, 50-100ms sentiment (CPU)最近的里程碑：
- ✅ Sprint 18完成 （04/01/2026）-v1.4.0：增强的NLP和分析（ONNX BERT/DistilBERT集成，6个NLP工具，4849个LOC，93%以上的准确率）
- ✅ Sprint 14完成 （26/12/2025）-高级应用服务测试覆盖率（295个测试，76.4%的覆盖率，10个整合工具）
- ✅ v1.3.0版本发布 （24/12/2025）-令牌优化（8项服务：压缩、流式传输、重复数据删除、摘要、上下文、缓存、批处理、提示压缩）
- ✅ v1.2.0版本发布 （24/12/2025）-任务调度器+时间特性（Sprint 11完成）
- ✅ v1.1.0版本发布 （23/12/2025）-ONNX质量评分+工作记忆系统+91个MCP工具
- ✅ v1.0.1版本发布 （20/12/2025）-社区基础设施、基准测试、模板验证器增强
- ✅ v1.0.0版本发布 （19/12/2025）-生产发布，包含66个MCP工具、GitHub集成、NPM分发
______________________________________________________________________
🚀 快速开始
安装
选择您喜欢的安装方法：
选项1:NPM（推荐-跨平台）
# Install globally
npm install -g @fsvxavier/nexs-mcp-server
# Verify installation
nexs-mcp --version📦 NPM包： https://www.npmjs.com/package/@fsvxavier/nexs mcp服务器
选项2：Go安装（适用于Go开发人员）
go install github.com/fsvxavier/nexs-mcp/cmd/nexs-mcp@v1.4.0选项3：自制（macOS/Linux）
# Add tap
brew tap fsvxavier/nexs-mcp
# Install
brew install nexs-mcp
# Verify installation
nexs-mcp --version选项4:Docker（容器化）
# Pull image from Docker Hub
docker pull fsvxavier/nexs-mcp:latest
# Or pull specific version
docker pull fsvxavier/nexs-mcp:v1.4.0
# Run with volume mount
docker run -v $(pwd)/data:/app/data fsvxavier/nexs-mcp:latest
# Or use Docker Compose
docker-compose up -d🐳 Docker Hub： https://hub.docker.com/r/fsvxavier/nexs-mcp 📦 图像大小： 14.5 MB（压缩），53.7 MB（未压缩）
选项5：从源代码构建
# Clone repository
git clone https://github.com/fsvxavier/nexs-mcp.git
cd nexs-mcp
# Install dependencies
go mod download
# Build
make build
# Run tests
make test-coverage
# Run server
./bin/nexs-mcp首次运行
文件存储（默认）：
# Default configuration (file storage in data/elements)
nexs-mcp
# Custom data directory
nexs-mcp -data-dir /path/to/data
# Or via environment variable
NEXS_DATA_DIR=/path/to/data nexs-mcp内存存储：
# Memory-only storage (data lost on restart)
nexs-mcp -storage memory
# Or via environment variable
NEXS_STORAGE_TYPE=memory nexs-mcp输出：
NEXS MCP Server v1.0.0
Initializing Model Context Protocol server...
Storage type: file
Data directory: data/elements
Registered 66 tools
Server ready. Listening on stdio...与Claude Desktop集成
添加到您的Claude Desktop配置中：
macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
Linux： ~/.config/Claude/claude_desktop_config.json
窗户： %APPDATA%\Claude\claude_desktop_config.json
{
"mcpServers": {
"nexs-mcp": {
"command": "nexs-mcp",
"args": [],
"env": {
"NEXS_DATA_DIR": "/path/to/your/elements",
"NEXS_STORAGE_TYPE": "file"
}
}
}
}重新启动Claude Desktop，您将看到NEXS MCP工具可用！
有关详细的设置说明，请参阅 docs/用户指南/GETTING_STARTED.md
______________________________________________________________________
🔧 可用工具
NEXS MCP提供 96个MCP工具 按类别组织：
🗂️ 元素管理（11个工具）
通用CRUD操作：
- list_elements -列出所有具有高级过滤功能的元素（类型、active_only、标签）
- get_element -按ID获取元素详细信息
- create_element -创建通用元素
- update_element -更新现有元素
- delete_element -按ID删除元素
特定类型创建： 6\. create_persona -创建具有行为特征的人物角色 7\. 创建技能 -使用触发器和程序创建技能 8\. create_template -使用变量替换创建模板 9\. create_agent -创建具有目标和工作流的代理 10\. create_memory -使用内容哈希创建内存 11\. create_enssembly -为多代理编排创建Ensemble
⚡ 快速创建工具（6个工具）
- quick_create_persona -以最少的提示简化角色创建
- 快速创建技能 -简化技能创建
- quick_create_template -简化模板创建
- 快速创建代理 -简化代理创建
- quick_create_memory -简化内存创建
- quick_create_enssembly -简化的合奏创作
📚 收集系统（10个工具）
- 浏览器集合 -发现可用集合（GitHub、本地、HTTP）
- 安装集合 -从URI（github：//，文件：//，https://）安装集合
- 卸载收集 -删除已安装的集合
- list_installed_collections -列出所有已安装的集合
- get_collection_info -获取详细的收款信息
- 出口收集 -将收藏导出到tar.gz存档
- 更新收集 -更新特定集合
- update_all_collections -更新所有已安装的集合
- check_collection_updates -检查可用更新
- 发布_收藏 -将收藏发布到GitHub
🐙 GitHub集成（8个工具）
- github _ auth_start -启动OAuth2设备流身份验证
- github _ auth_status -检查GitHub身份验证状态
- github列表返回 -列出用户的GitHub存储库
- github同步推送 -将本地元素推送到GitHub存储库
- github同步库 -从GitHub仓库中提取元素
- github同步双向 -双向同步解决冲突
- 提交元素集合 -通过自动PR提交元素
- track_pr_status -跟踪PR提交状态
💾 备份和还原（4个工具）
- 备份_投资组合 -使用校验和创建压缩备份
- restore_portfolio -通过验证从备份还原
- activate_element -激活元素（更新快捷方式）
- deactivate_element -停用元素（更新快捷方式）
🧠 内存管理（5个工具）
- search_memory -使用相关性评分搜索记忆
- 总结_记忆 -获取内存统计信息和摘要
- update_memory -内存内容的部分更新
- 删除记忆 -删除特定内存
- clear_memories -使用过滤器批量删除记忆
🎯 内存质量系统（3个工具）
- 分数_记忆_质量 -基于ONNX的质量评分，支持多层回退
- get_retention_policy -获取质量分数的保留政策
- get_retention_stats -内存保留统计和质量分布
📊 分析和监控（11个工具）
- 复制元素 -具有新ID和可选名称的重复元素
- get_usage_stats -具有周期过滤和前10名排名的分析
- get_performance_dashboard -具有p50/p95/p99延迟的性能指标
- list_logs -使用过滤器（级别、日期、用户、操作、工具）查询日志
- get_current_user -获取当前用户会话信息
- set_user_context -使用元数据设置用户标识
- clear_user_context -清除当前用户会话
- get_text -获取MCP服务器上下文信息
- 搜索元素 -使用过滤器进行高级元素搜索
- execute_enssembly -通过监控执行集成
- get_semble_status -获取集成执行状态
🔍 上下文丰富系统（3个工具）
- expand_memory_context -通过获取相关元素来扩展内存上下文
- 查找相关记忆 -查找引用特定元素的记忆（反向搜索）
- 建议相关元素 -根据关系和模式获得智能建议
🔗 关系系统（5个工具）
- get_related_elements -具有O（1）个查找的双向搜索（正向/反向/两者）
- 扩展关系 -递归扩展至5个级别，具有深度控制
- 下级关系 -自动推理（提及、关键字、语义、模式）
- get_recommendations -具有4种评分策略的智能推荐
- get_relationship_stats -索引统计（条目、缓存命中率）
🎨 模板系统（4个工具）
- list_templates -列出具有筛选功能的可用模板
- get_template -检索完整的模板详细信息
- instantate_template -使用变量实例化模板（Handlebars）
- validate_template -验证模板语法和变量
✅ 验证和渲染（2个工具）
- validate_element -特定类型验证（基本/全面/严格）
- render_template -直接渲染模板而不创建元素
🔄 操作（2个工具）
- reload \_元素 -无需重新启动服务器即可热重新加载元素
- 搜索_投资组合_github -在GitHub存储库中搜索NEXS投资组合
🧠 工作记忆系统（15个工具）
- working_memory_add -使用会话作用域将条目添加到工作内存中
- working_memory_get -检索工作记忆并记录访问
- 工作记忆列表 -使用筛选器列出会话中的所有内存
- 工作_记忆_推广 -手动升级为长期存储
- 工作_记忆_清除_会话 -清除会话中的所有记忆
- 工作_记忆_更新 -更新现有工作内存
- working_memory_delete -删除特定工作记忆
- 工作_记忆_搜索 -在会话记忆中搜索
- working_memory_stats -获取会话统计信息
- 工作_内存_扩展_ttl -扩展特定内存的TTL
- 工作_记忆_设置_优先级 -更改内存优先级
- working_memory_add_tags -向现有内存添加标签
- 工作_记忆_删除_标签 -从内存中删除标签
- 工作_记忆_获取_移动 -列出推广的回忆
- 工作_记忆_清理 -手动清理触发器
特征：
- 会话范围隔离
- 基于优先级的TTL（低：1小时，中：4小时，高：12小时，严重：24小时）
- 基于访问模式的自动推广
- 每5分钟清理一次背景
- 完整的元数据和标签支持
文档： 工作内存工具API
⚡ 代币优化系统（8个工具） v1.3.0中的新功能
- 重复数据删除_内存 -查找并合并语义相似的记忆（92%+相似性阈值）
- optimize_context -使用所有优化服务优化会话上下文以提高令牌效率
- get_optimization_stats -所有8项优化服务的综合统计数据
- summarize_memory -使用TF-IDF提取摘要总结特定内存
- 压缩响应 -使用gzip/zlib手动压缩响应（减少70-75%）
- stream_large_list -以块的形式流式传输大型元素列表（防止内存溢出）
- batch_create_elements -并行创建多个元素（速度提高10倍）
- get_ache_stats -自适应缓存统计信息（访问模式、TTL分布）
8优化服务：
- 响应压缩 -Gzip/zlib压缩（大小减少70-75%）
- 流处理程序 -分块流（防止内存溢出）
- 语义重复数据删除 -基于相似性的重复检测（92%+阈值）
- 自动摘要 -TF-IDF提取摘要（70%压缩）
- 上下文窗口管理器 -智能截断策略（保持最新+相关）
- 自适应缓存 -基于访问模式的动态TTL（1h-7d）
- 批处理 -批量操作的并行执行（速度提高10倍）
- 快速压缩 -去除冗余和填充物（减少35%）
演出
- 整体代币减少： 81-95%的生产工作负载 （目标：90-95%）
- 零额外延迟开销
- 可通过环境变量按服务进行配置
- 全面的指标和监控
文档： 代币优化系统
🎯 内存质量系统（3个工具）
- 分数_记忆_质量 -基于ONNX的多层回退质量评分（ONNX→ Groq → 双子座→ 隐含）
- get_retention_policy -获取质量分数的保留政策（高：365d，中：180d，低：90d）
- get_retention_stats -内存保留统计和质量分布
特征：
- 2种ONNX型号：MS MARCO（默认值，61.64ms）和Paraphrase Multilingual（可配置，109.41ms）
- 多层回退系统，提高可靠性
- 基于质量的自动保留策略
- 零成本、完全隐私、离线功能
关于语义搜索工具（73-74），请参见上述关系系统。
有关详细的工具文档，请参阅 docs/用户指南/QUICK_START.md
______________________________________________________________________
📦 元素类型
NEXS MCP支持 6种元素类型 全面的人工智能系统管理：
| 要素 | 目的 | 主要特征 | 文档 |
|---|---|---|---|
| 角色 | 人工智能行为和个性 | 行为特征、专业领域、沟通方式 | 个人.md |
| 技能 | 可重用功能 | 触发器、过程、执行策略 | 技能.md |
| 模板 | 内容生成 | 变量替换、动态渲染 | 模板.md |
| 代理 | 自主工作流程 | 目标、计划、执行 | AGENT.md |
| 记忆 | 上下文持久性 | 内容存储、重复数据删除、搜索 | 内存.md |
| 合奏 | 多代理编排 | 顺序/并行执行、投票、共识 | ENSEMBLE.md |
快速元素创建示例
创建人物角色：
{
"tool": "quick_create_persona",
"arguments": {
"name": "Technical Writer",
"description": "Expert in writing clear technical documentation",
"expertise": ["documentation", "technical writing", "API design"],
"traits": ["clear", "concise", "thorough"]
}
}创建技能：
{
"tool": "quick_create_skill",
"arguments": {
"name": "Code Review",
"description": "Review code for best practices and bugs",
"triggers": ["code review", "pr review"],
"procedure": "1. Check code style\n2. Verify logic\n3. Suggest improvements"
}
}创建合奏：
{
"tool": "quick_create_ensemble",
"arguments": {
"name": "Documentation Team",
"description": "Multi-agent documentation generation",
"members": ["persona:technical-writer", "agent:proofreader"],
"execution_mode": "sequential",
"aggregation_strategy": "merge"
}
}有关完整的元素文档，请参阅 docs/elements/README.md
______________________________________________________________________
💡 使用示例
基本要素操作
列出所有元素：
{
"tool": "list_elements",
"arguments": {
"type": "persona",
"active_only": true
}
}获取元素详细信息：
{
"tool": "get_element",
"arguments": {
"id": "persona-technical-writer"
}
}更新元素：
{
"tool": "update_element",
"arguments": {
"id": "persona-technical-writer",
"updates": {
"expertise": ["documentation", "technical writing", "API design", "Markdown"]
}
}
}GitHub集成
通过GitHub进行身份验证：
{
"tool": "github_auth_start",
"arguments": {}
}
// Returns: user_code, verification_uri, expires_in
// Visit https://github.com/login/device and enter the code将投资组合同步到GitHub：
{
"tool": "github_sync_push",
"arguments": {
"repo_owner": "yourusername",
"repo_name": "my-ai-portfolio",
"branch": "main",
"commit_message": "Update personas and skills"
}
}从GitHub中提取元素：
{
"tool": "github_sync_pull",
"arguments": {
"repo_owner": "yourusername",
"repo_name": "my-ai-portfolio",
"branch": "main",
"strategy": "newest-wins"
}
}收集管理
浏览可用收藏：
{
"tool": "browse_collections",
"arguments": {
"source": "github",
"query": "technical writing"
}
}安装集合：
{
"tool": "install_collection",
"arguments": {
"uri": "github://fsvxavier/nexs-collections/technical-writing",
"force": false
}
}将元素提交到集合：
{
"tool": "submit_element_to_collection",
"arguments": {
"element_id": "persona-technical-writer",
"collection_repo": "fsvxavier/nexs-collections",
"category": "personas"
}
}备份和恢复
创建备份：
{
"tool": "backup_portfolio",
"arguments": {
"output_path": "/backups/portfolio-2025-12-20.tar.gz",
"compression": "best",
"include_inactive": false
}
}从备份还原：
{
"tool": "restore_portfolio",
"arguments": {
"backup_path": "/backups/portfolio-2025-12-20.tar.gz",
"strategy": "merge",
"dry_run": false
}
}内存管理
搜索记忆：
{
"tool": "search_memory",
"arguments": {
"query": "machine learning optimization techniques",
"limit": 10,
"min_relevance": 5
}
}总结回忆：
{
"tool": "summarize_memories",
"arguments": {
"author_filter": "alice",
"type_filter": "semantic"
}
}添加到工作记忆中：
{
"tool": "working_memory_add",
"arguments": {
"session_id": "user-session-123",
"content": "Meeting notes from today's standup",
"priority": "high",
"tags": ["meeting", "standup"]
}
}推广到长期：
{
"tool": "working_memory_promote",
"arguments": {
"session_id": "user-session-123",
"memory_id": "working_memory_..."
}
}分数记忆质量：
{
"tool": "score_memory_quality",
"arguments": {
"memory_id": "memory-xyz",
"context": "technical documentation"
}
}分析
获取使用统计数据：
{
"tool": "get_usage_stats",
"arguments": {
"period": "30d",
"include_top_n": 10
}
}性能仪表板：
{
"tool": "get_performance_dashboard",
"arguments": {
"period": "7d"
}
}
// Returns p50/p95/p99 latencies, slow operations, error rates合奏执行
执行集成：
{
"tool": "execute_ensemble",
"arguments": {
"ensemble_id": "documentation-team",
"input": "Write API documentation for the /users endpoint",
"context": {
"api_version": "v2.0",
"format": "OpenAPI"
}
}
}有关更多示例，请参阅：
______________________________________________________________________
📁 项目结构
nexs-mcp/
├── cmd/nexs-mcp/ # Application entrypoint
├── internal/
│ ├── domain/ # Business logic (79.2% coverage)
│ │ ├── element.go # Base element interface
│ │ ├── persona.go # Persona domain model
│ │ ├── skill.go # Skill domain model
│ │ ├── template.go # Template domain model
│ │ ├── agent.go # Agent domain model
│ │ ├── memory.go # Memory domain model
│ │ └── ensemble.go # Ensemble domain model
│ ├── application/ # Use cases and services
│ │ ├── ensemble_executor.go # Ensemble execution engine
│ │ ├── ensemble_monitor.go # Real-time monitoring
│ │ ├── ensemble_aggregation.go # Voting & consensus
│ │ └── statistics.go # Analytics service
│ ├── infrastructure/ # External adapters (68.1% coverage)
│ │ ├── repository.go # In-memory repository
│ │ ├── file_repository.go # File-based YAML repository
│ │ ├── github_client.go # GitHub API client
│ │ ├── github_oauth.go # OAuth2 device flow
│ │ ├── sync_conflict_detector.go # Conflict resolution
│ │ ├── sync_metadata.go # Sync state tracking
│ │ ├── sync_incremental.go # Incremental sync
│ │ └── pr_tracker.go # PR submission tracking
│ ├── mcp/ # MCP protocol layer (66.8% coverage)
│ │ ├── server.go # MCP server (66 tools)
│ │ ├── tools.go # Element CRUD tools
│ │ ├── quick_create_tools.go # Quick create tools
│ │ ├── collection_tools.go # Collection management
│ │ ├── github_tools.go # GitHub integration
│ │ ├── github_portfolio_tools.go # Portfolio sync
│ │ ├── backup_tools.go # Backup & restore
│ │ ├── memory_tools.go # Memory management
│ │ ├── log_tools.go # Log querying
│ │ ├── user_tools.go # User identity
│ │ ├── analytics_tools.go # Usage & performance stats
│ │ └── ensemble_execution_tools.go # Ensemble execution
│ ├── backup/ # Backup & restore services (56.3% coverage)
│ ├── logger/ # Structured logging (92.1% coverage)
│ ├── config/ # Configuration (100% coverage)
│ ├── collection/ # Collection system (58.6% coverage)
│ ├── validation/ # Validation logic
│ └── portfolio/ # Portfolio management (75.6% coverage)
├── data/ # File storage (gitignored)
│ └── elements/ # YAML element storage
├── docs/ # Complete documentation
│ ├── user-guide/ # User documentation
│ │ ├── GETTING_STARTED.md # Onboarding guide
│ │ ├── QUICK_START.md # 10 tutorials
│ │ └── TROUBLESHOOTING.md # Common issues
│ ├── elements/ # Element type documentation
│ ├── deployment/ # Deployment guides
│ ├── adr/ # Architecture Decision Records
│ └── README.md # Documentation index
├── examples/ # Usage examples
│ ├── basic/ # Basic examples
│ ├── integration/ # Integration examples
│ └── workflows/ # Complete workflows
├── homebrew/ # Homebrew formula
├── .github/workflows/ # CI/CD pipelines
├── CHANGELOG.md # Version history
├── COVERAGE_REPORT.md # Test coverage analysis
├── NEXT_STEPS.md # Development roadmap
├── docker-compose.yml # Docker Compose config
├── Dockerfile # Multi-stage Docker build
├── Makefile # Build targets
└── go.mod # Go module definition______________________________________________________________________
🛠️ 发展
先决条件
- 转到1.25+
- 制造（可选，方便目标）
- Docker（可选，用于容器化部署）
建筑
# Clone repository
git clone https://github.com/fsvxavier/nexs-mcp.git
cd nexs-mcp
# Install dependencies
go mod download
# Build binary
make build
# or
go build -o bin/nexs-mcp ./cmd/nexs-mcp
# Run tests
make test-coverage
# or
go test -coverprofile=coverage.out ./...
# View coverage report
go tool cover -html=coverage.out制定目标
make build # Build binary
make test # Run tests
make test-coverage # Run tests with coverage report
make lint # Run linters (golangci-lint)
make verify # Run all verification steps
make ci # Run full CI pipeline
make clean # Clean build artifacts本地运行
# Run with default settings (file storage)
./bin/nexs-mcp
# Run with custom data directory
./bin/nexs-mcp -data-dir ./my-elements
# Run in memory mode
./bin/nexs-mcp -storage memory
# Enable debug logging
./bin/nexs-mcp -log-level debug
# Run with environment variables
NEXS_DATA_DIR=./my-elements \
NEXS_STORAGE_TYPE=file \
NEXS_LOG_LEVEL=debug \
./bin/nexs-mcp运行测试
# Run all tests
go test ./...
# Run tests with coverage
go test -cover ./...
# Run tests for specific package
go test ./internal/domain/...
# Run specific test
go test -run TestPersonaValidation ./internal/domain/
# Run with verbose output
go test -v ./...
# Generate coverage report
go test -coverprofile=coverage.out ./...
go tool cover -html=coverage.out______________________________________________________________________
📚 文档
用户文档
- 入门指南 -安装、首次运行、Claude Desktop集成
- 快速入门教程 -10个实践教程（每个2-5分钟）
- ONNX型号配置 -质量评分模型（MS MARCO与多语言释义）
- 故障排除指南 -常见问题、常见问题解答、错误代码
- 文档索引 -完整的文档导航
元素类型
部署
- -完整的Docker指南（600+行）
- -NPM包使用
- 自制咖啡安装 -自制水龙头设置
建筑与开发
基准和质量
- ONNX基准测试结果 -MS MARCO与Paraphrase多语言模型的性能比较
- ONNX质量审核 -质量体系技术审核（符合80%）
- 质量使用分析 -内部使用分析（100%符合）
项目规划
______________________________________________________________________
🤝 贡献
欢迎投稿！请随时提交拉取请求。
开发工作流程
- 克隆该仓库
- 创建要素分支(
git checkout -b feature/amazing-feature) - 进行更改
- 运行测试(
make test-coverage) - 提交您的更改(
git commit -m 'Add amazing feature') - 推到分支(
git push origin feature/amazing-feature) - 打开拉取请求
代码规范
- 遵循清洁架构原则
- 保持测试覆盖率（目标为80%+）
- 使用有意义的提交消息
- 记录带有godoc评论的公共API
- 跑
make verify在提交PR之前
______________________________________________________________________
📝 许可证
此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。
______________________________________________________________________
🙏 致谢
- 与 官方MCP Go SDK
- 灵感来自 模型上下文协议 规格
- 感谢大家 贡献者
______________________________________________________________________
📧 支持
- 文档: docs/README.md
- 问题:
- 讨论:
______________________________________________________________________
由...制作❤️ NEXS MCP团队