NYQSTMCP-MCP工具套件
所有NYQST MCP（模型上下文协议）工具的主目录。
最后更新: 2025-10-27
架构模式：Claude作为MCP
此存储库使用 克劳德作为MCP原型：MCP服务器由Claude Code提供支持，具有专门的指令，而不是自定义服务器实现。
优点：
- ✅ 无需服务器代码，只需编写
CLAUDE.md说明 - ✅ 全人工智能推理+所有克劳德代码工具（文件操作、bash等）
- ✅ 易于更新和版本控制
- ✅ 标准MCP协议，灵活的AI后端
看 archetypes/claude-as-mcp/ 查看详细的模式文档。
______________________________________________________________________
结构
NYQSTMCP/
├── archetypes/ # Reusable architectural patterns
│ └── claude-as-mcp/ # Pattern: Claude Code as MCP server
├── knowledge/ # Research sources and documentation
├── shared/ # Shared resources (organized by taxonomy)
│ ├── skills/ # HOW to do complex activities
│ ├── methods/ # WHAT patterns/techniques to apply
│ ├── principles/ # WHY/WHEN decision frameworks
│ ├── tools/ # WHICH technologies/libraries
│ ├── resources/ # Examples, templates, references
│ └── types/ # Shared TypeScript types
├── servers/ # Individual MCP servers
│ └── DataNormalise/ # Data normalization server
├── docs/ # Documentation
└── examples/ # Usage examples知识分类学：参见 shared/TAXONOMY.md 用于解释技能/方法/原则/工具/资源组织
MCP服务器
数据标准化
一个MCP服务器，使用人工智能分析将数据规范化为规范形式。
特征：
- 接受各种格式的输入数据
- 将规范模式/形式作为输入
- 使用AI代理执行智能规范化
- 报告假设、风险和澄清
- 除非发现关键问题，否则默认收益
状态： 在开发中
共享资源（分类）
看 shared/TAXONOMY.md 以获得完整的分类学解释。
技能（如何进行复杂活动）
MCP大楼:
- 构建MCP文档：如何创建自包含的MCP文档
- 请参阅： shared/skills/mcp-building/STRUCTURING_MCP_DOCUMENTATION.md
数据规范化:
- 多源工作流：如何在不返工的情况下规范化多个来源
- 请参阅： shared/skills/data-normalization/MULTI_SOURCE_WORKFLOW.md
方法（应用哪些模式）
归一化:
- 标准化模式：10种通用模式（来源→ 目标）
- 请参阅： shared/methods/normalization/NORMALIZATION_PATTERNS.md
- 决策树：实地测绘的系统决策路径
- 请参阅： shared/methods/normalization/DECISION_TREES.md
模式分析:
- 模式推理模式：10种多源分析模式
- 请参阅： shared/methods/schema-analysis/SCHEMA_INFERENCE_PATTERNS.md
原则（为什么/什么时候做决定）
- 返工风险评估：避免浪费精力的决策框架
- 请参阅： shared/principles/REWORK_RISK_ASSESSMENT.md
- 默认情况下继续：错误处理政策和风险等级
- 请参阅： shared/principles/PROCEED_BY_DEFAULT.md
工具（使用哪些技术）
- 图书馆选择指南：如何选择库和工具
- 请参阅： shared/tools/LIBRARY_SELECTION_GUIDE.md
资源（示例、模板、参考）
- 示例：（未来：SFTR_CDE_COMPARISON，KIDA_ENGINE_NORMALIZATION）
- 模板：（未来：CLAUDE_MD_TEMPLATE，READING_ORDER_TEMPLATE）
类型
- 常见数据结构的TypeScript类型定义
NormalizationResult,Risk,Assumption,Clarification- 请参阅：
shared/types/common.ts
______________________________________________________________________
快速开始
使用现有服务器
- 导航到服务器目录：
cd servers/DataNormalise- 以MCP服务器运行：
claude mcp serve- 或者添加到Claude Desktop配置中：
{
"mcpServers": {
"data-normalise": {
"type": "stdio",
"command": "bash",
"args": ["/path/to/NYQSTMCP/servers/DataNormalise/launch.sh"]
}
}
}创建新服务器
- 阅读原型文档：
cat archetypes/claude-as-mcp/README.md- 创建新的服务器目录：
mkdir servers/MyNewServer- 写
CLAUDE.md有专门的指导
- 创建启动器脚本并测试
- 完整步骤请参见原型检查表
______________________________________________________________________
问题解决方法
此存储库包括 通用的、可重复使用的方法 对于数据规范化：
通用模式
经典标准化 （来源→ 已知目标）：
- 字段映射 -精确、语义、模糊匹配
- 类型转换 -字符串↔数字、日期解析、布尔转换
- 结构转化 -扁平/嵌套，阵列处理
- 价值丰富 -推理、外部API、默认值、计算
- 分类 -将值分组/分组
- 验证 -类型、格式、范围、业务逻辑
- 元数据捕获 -审计追踪、假设、风险
- 错误处理 -快速/软故障，回退链
- 批处理 -分块、并行化、流式传输、缓存
- 模式演进 -版本处理、迁移模式
无模式规范化 （多个来源→ 推断+比较）：
- 模式推断 -自动检测任何格式的结构
- 格式特定提取 -PDF、Excel、XML、Word、JSON解析器
- 字段名称规范化 -同义词、首字母缩略词、规范名称
- 类型推断 -从样本值中检测类型
- 关系检测 -父/子、外键、层次结构
- 跨源比较 -精确、语义、类型、定义匹配
- 差距分析报告 -覆盖范围、重叠、独特字段
- 模式合并 -联合、交叉、加权策略
- 具有挑战性的格式处理 -合并单元格、命名空间、OCR
- 增量处理 -大文件处理、进度跟踪
决策框架
解决任何规范化挑战的系统方法：
- 差距分析（来源与目标）
- 字段映射决策树
- 类型转换规则
- 验证决策树
- 风险评估矩阵
- 模式选择（严格与继续）
- 外部富集决策
- 错误恢复策略
看: shared/methods/NORMALIZATION_PATTERNS.md 和 shared/methods/DECISION_FRAMEWORK.md
______________________________________________________________________
资源
- MCP协议: https://modelcontextprotocol.io
- 克劳德代码文档: https://docs.claude.com/en/docs/claude-code/mcp
- 知识库:
knowledge/SOURCES.md - 原型指南:
archetypes/claude-as-mcp/README.md - 标准化方法:
shared/methods/
______________________________________________________________________
哲学：利用标准协议和可重用方法进行人工智能推理，以获得灵活、可维护的MCP工具。