SIM ONE MCP V2

SIM-ONE MCP 服务器

SIM-ONE框架的模型上下文协议（MCP）服务器

一套全面的14种人工智能治理与分析工具，实施SIM-ONE（模拟智能模型-一体化）框架协议，涵盖认知治理、情感智能、推理验证和规则验证。

  

______________________________________________________________________

目录

• 概述
• 建筑学
• 可用工具

- 五律验证器（4种工具） - ESL - 情感状态层（3种工具） - REP - 推理与解释协议（6种工具） - VVP - 验证与确认协议（1种工具）

• 安装
• 快速入门
• 使用示例
• 工具选择指南
• 配置
• 故障排除
• 做出贡献
• 许可证
• 相关资源

______________________________________________________________________

概述

SIM-ONE MCP服务器通过模型上下文协议，为AI系统提供访问SIM-ONE框架协议的途径。这些工具能够实现：

• 认知治理验证并生成符合认知治理五法则的AI响应
• 情绪智力（或情商）分析情感内容并推荐同理心回应
• 推理验证验证跨多种推理类型的逻辑推理
• 规则验证检查逻辑规则的一致性和完整性

关键特性

• 14款生产就绪工具全面覆盖SIM-ONE协议
• 自动回复生成通过迭代优化生成受管控的响应
• 多维分析情感、认知和逻辑上的验证
• SQLite 持久化用于迭代历史的生产级数据存储
• 优雅降级工具独立工作，具有明确的回退路径
• 全面文档每个工具都包含详细的指导和示例

______________________________________________________________________

建筑

SIM-ONE-MCP-v2/
├── src/
│   ├── tools/
│   │   ├── five_laws_validator_tutorial.py      # 4 governance tools
│   │   ├── governed_response_composer.py         # Generation module (559 lines)
│   │   ├── esl_emotional_analysis_tutorial.py   # 3 emotional tools
│   │   ├── rep_reasoning_tutorial.py            # 6 reasoning tools
│   │   └── vvp_validation_tutorial.py           # 1 validation tool
│   └── server.py                                # MCP server entry point
├── repo/SIM-ONE/                                # SIM-ONE Framework source
├── tutorials/                                   # Jupyter notebook tutorials
├── tmp/
│   ├── iterations/                              # SQLite databases
│   └── outputs/                                 # JSON/CSV/PNG outputs
└── README.md                                    # This file

协议层

1. 认知治理的五条法则 - 基础验证框架
2. ESL（情感状态层） - 情绪智力分析
3. REP（推理与解释协议） - 逻辑推理验证
4. VVP（验证与确认协议） - 规则结构验证

______________________________________________________________________

可用工具

五条法则验证工具

认知治理的五大法则确保人工智能的响应符合架构、治理、真实性、效率和可靠性方面的标准。

1. five_laws_validate_text

目的： 根据可配置的严格程度，将单个文本与五条法则进行验证

参数：

• text (str): 要验证的文本
• strictness (str): “宽松”（>=60%），“中等”（>=70%），或“严格”（>=85%）
• context_domain （字符串，可选）：应用领域
• context_use_case (字符串，可选)：特定用例
• out_prefix (str, 可选)：输出文件前缀

输出：

{
  "overall_score": 82.5,
  "passed": true,
  "violations": ["Law 4: Could improve efficiency"],
  "recommendations": ["Add resource considerations"],
  "law_scores": {
    "law1_architectural_intelligence": 85.0,
    "law2_cognitive_governance": 88.0,
    "law3_truth_foundation": 90.0,
    "law4_energy_stewardship": 75.0,
    "law5_deterministic_reliability": 85.0
  }
}

使用时机： 检查已预先编写的现有内容

______________________________________________________________________

2. five_laws_batch_validate

目的： 比较多篇文本并找出表现最佳的

参数：

• texts (list\[str\]): 需要验证的文本列表
• strictness (str): 验证级别
• out_prefix (字符串，可选)：输出文件前缀

输出：

• 包含所有分数的对比表
• 统计数据（平均值、中位数、最佳值/最差值）
• 可视化图表（PNG格式）
• 排名结果

使用时机： 从多个候选人中选出最佳选项

______________________________________________________________________

3. five_laws_iterative_validate

目的： 通过全面反馈进行验证，以便进行人工优化

参数：

• text (str): 要验证的文本
• threshold (float): 通过阈值（0-100）
• strictness (str): 验证级别
• out_prefix (str, 可选)：输出文件前缀

输出：

• 详细的违规说明
• 具体的改进建议
• 手工精炼指南文件

使用时机： 需要详细的反馈以便手动修改内容

注： 尽管名字如此，这个工具并不会自动迭代——请使用 compose_governed_response 用于自动迭代。

______________________________________________________________________

4. compose_governed_response ⭐ 新的

目的： 生成新的受监管响应，并自动迭代优化

参数：

• prompt (str): 用户请求，描述需要生成的内容
• threshold (float): 所需的最低治理评分（默认：80.0）
• max_iterations (int): 最大细化尝试次数（默认：3）
• strictness (str): 验证级别（默认：“中等”）
• out_prefix (字符串，可选)：输出文件前缀

过程：

1. 通过……生成初始回复 claude -p
2. 使用五定律验证器进行验证
3. 如果失败：创建包含违规项的细化提示
4. 呼叫 claude -p 再次提供细化说明
5. 重复此过程，直到通过或达到最大迭代次数
6. 在 SQLite 中存储完整的迭代历史

输出：

{
  "initial_response": {
    "text": "Initial generated response...",
    "score": 65.5,
    "violations": ["Law 1: Lacks architecture"]
  },
  "final_response": {
    "text": "Refined governed response...",
    "score": 85.2,
    "violations": []
  },
  "iterations": 2,
  "passed": true,
  "improvement": 19.7,
  "status": "success",
  "database_path": "/path/to/tmp/iterations/governed_response_*.db",
  "summary_file": "/path/to/tmp/outputs/governed_response_*_summary.json"
}

要求：

• 必须安装 Claude CLI： pip install claude-cli
• 必须对克劳德进行身份验证： claude auth

优雅降级： 如果 Claude CLI 不可用，将返回状态消息，并建议使用仅验证工具。

使用时机： 需要生成（而不仅仅是验证）新的受管控内容

实施： 带有SQLite持久化功能的模块化架构（559行代码模块）

______________________________________________________________________

ESL（情感状态层）工具

利用多维度情感检测分析情感内容。

5. esl_analyze_emotion

目的： 分析单篇文本中的情感内容

参数：

• text (str): 要分析的文本
• output_format (str): "json" 或 "summary"
• out_prefix （字符串，可选）：输出文件前缀

输出：

{
  "primary_emotion": "joy",
  "secondary_emotion": "excitement",
  "valence": 0.85,
  "intensity": 0.72,
  "confidence": 0.90,
  "dimensional_scores": {
    "valence": 0.85,
    "arousal": 0.68,
    "dominance": 0.75
  }
}

使用时机： 需要理解文本的情感基调

______________________________________________________________________

6. esl_analyze_emotional_progression

目的： 追踪对话中的情绪变化

参数：

• texts (list\[str\])：文本序列（例如，对话轮次）
• out_prefix (字符串，可选)：输出文件前缀

输出：

• 包含每轮情感指标的数据框
• 价态/强度进展图表
• 情感轨迹分析

使用时机： 分析对话中的情感动态

______________________________________________________________________

7. esl_recommend_response_tone

目的： 建议采用恰当的同理心回应语气

参数：

• text (str): 要分析的用户文本
• out_prefix （字符串，可选）：输出文件前缀

输出：

{
  "detected_emotion": "frustration",
  "recommended_tone": "empathetic_supportive",
  "guidance": "Acknowledge frustration, offer concrete help",
  "avoid": ["Dismissive language", "Technical jargon"]
}

使用时机： 生成情感上恰当的回应

______________________________________________________________________

REP（推理与解释协议）工具

验证跨多种推理类型的逻辑推理能力。

8. rep_perform_deductive_reasoning

目的： 验证演绎推理（从一般规则推导出具体结论）

参数：

• premises (list\[str\]): 通用规则
• conclusion (str): 具体结论
• out_prefix (str, 可选)：输出文件前缀

使用时机： 验证结论是否从前提中合乎逻辑地得出

______________________________________________________________________

9. rep_perform_inductive_reasoning

目的： 验证归纳推理（从观察到模式）

参数：

• observations (list\[str\]): 具体的观察结果
• generalization (字符串): 建议的模式
• out_prefix (str, 可选): 输出文件前缀

使用时机： 检查模式是否得到观测数据的支持

______________________________________________________________________

10. rep_perform_abductive_reasoning

目的： 验证溯因推理（事实→最佳解释）

参数：

• facts (list\[str\]): 已知事实
• hypothesis (字符串)：提出的解释
• out_prefix (str, 可选)：输出文件前缀

使用时机： 评估解释是否最符合事实

______________________________________________________________________

11. rep_perform_analogical_reasoning

目的： 验证类比推理（跨领域的知识迁移）

参数：

• source_domain (str): 源域描述
• target_domain (字符串): 目标域描述
• analogy （字符串）：提出的类比
• out_prefix (str, 可选): 输出文件前缀

使用时机： 验证跨领域类比的有效性

______________________________________________________________________

12. rep_perform_causal_reasoning

目的： 验证因果推理（事件→因果链）

参数：

• cause (str): 建议的原因
• effect (str): 观察到的效果
• context (str): 情境背景
• out_prefix (str, 可选): 输出文件前缀

使用时机： 评估因果关系

______________________________________________________________________

13. rep_perform_integrated_reasoning

目的： 将所有5种推理类型应用于复杂问题

参数：

• problem (字符串): 复杂的问题描述
• proposed_solution (字符串): 提出的解决方案
• out_prefix (字符串，可选)：输出文件前缀

输出： 所有5种推理类型的分数及分析

使用时机： 需要进行全面的推理验证

______________________________________________________________________

VVP（验证与确认协议）工具

检查逻辑规则结构的一致性和完整性。

14. vvp_validate_rules

目的： 验证语法、冲突和完整性的逻辑规则

参数：

• rules (list\[str\])：逻辑规则列表
• context_domain (str, 可选)：域名上下文
• out_prefix (字符串，可选)：输出文件前缀

输出：

{
  "structural_validity": true,
  "conflicts": [],
  "completeness_score": 0.85,
  "recommendations": ["Add edge case handling"]
}

使用时机： 在部署前验证逻辑规则集

______________________________________________________________________

安装

先决条件

• Python 3.8 或更高版本
• pip（Python包管理器）
• Claude CLI（用于 compose_governed_response 工具)

第一步：克隆仓库

git clone https://github.com/your-org/SIM-ONE-MCP-v2.git
cd SIM-ONE-MCP-v2

步骤2：安装依赖项

pip install -r requirements.txt

步骤3：安装Claude CLI（可选，用于生成回复）

pip install claude-cli
claude auth  # Follow authentication prompts

步骤4：验证安装

# Check MCP server loads
python src/server.py --version

# Verify Claude CLI (optional)
claude --version

______________________________________________________________________

快速入门

启动MCP服务器

# Start server on default port
python src/server.py

# Start with custom configuration
python src/server.py --config config.json

基本用法

# Validate existing text
result = five_laws_validate_text(
    text="Your text here",
    strictness="moderate"
)

# Generate governed response (requires Claude CLI)
result = compose_governed_response(
    prompt="Explain the Five Laws of Cognitive Governance"
)

# Analyze emotional content
result = esl_analyze_emotion(
    text="I'm so excited about this project!"
)

______________________________________________________________________

使用示例

示例1：验证博客文章

# Check if blog post meets governance standards
result = five_laws_validate_text(
    text="""
    Artificial Intelligence is transforming healthcare...
    [your blog post content]
    """,
    strictness="moderate",
    context_domain="healthcare",
    context_use_case="patient_education"
)

if result["passed"]:
    print(f"✓ Post meets standards (score: {result['overall_score']})")
else:
    print("✗ Post needs revision:")
    for violation in result["violations"]:
        print(f"  - {violation}")

示例2：生成受监管教程

# Automatically generate content meeting governance standards
result = compose_governed_response(
    prompt="Write a tutorial explaining how ESL and REP protocols coordinate in multi-agent systems",
    threshold=85.0,
    max_iterations=5,
    strictness="strict"
)

if result["passed"]:
    print(f"✓ Generated in {result['iterations']} iterations")
    print(f"Improvement: +{result['improvement']} points")
    print(f"\nFinal response:\n{result['final_response']['text']}")
else:
    print("Partial success - use best attempt")

示例3：分析客户支持对话

# Track emotional progression in support conversation
conversation = [
    "I've been waiting for 3 hours and nobody has helped me!",
    "Thank you for acknowledging my concern. Here's what happened...",
    "That solution worked perfectly! I really appreciate your help."
]

result = esl_analyze_emotional_progression(texts=conversation)

# Visualizations saved as PNG files
# DataFrame shows emotion metrics per turn

示例4：验证系统设计推理

# Check if architecture decisions are well-reasoned
result = rep_perform_integrated_reasoning(
    problem="Design a scalable multi-tenant AI system",
    proposed_solution="""
    Use microservices architecture with:
    - ESL service for emotional analysis
    - REP service for reasoning validation
    - Shared governance layer
    """
)

# Returns scores for all 5 reasoning types
print(f"Deductive: {result['deductive_score']}")
print(f"Inductive: {result['inductive_score']}")
# ...

示例5：比较多个响应选项

# Select best response from multiple candidates
candidates = [
    "Response option 1...",
    "Response option 2...",
    "Response option 3..."
]

result = five_laws_batch_validate(
    texts=candidates,
    strictness="moderate"
)

# Visualization shows comparison chart
best = result["ranked_results"][0]
print(f"Best option: #{best['index']} (score: {best['score']})")

______________________________________________________________________

工具选择指南

决策树

Do you have existing text to check?
├─ YES → Use validators
│  ├─ Single text → five_laws_validate_text
│  ├─ Multiple options → five_laws_batch_validate
│  └─ Need detailed feedback → five_laws_iterative_validate
│
└─ NO → Need to generate new content?
   ├─ YES → compose_governed_response
   └─ NO → What type of analysis?
      ├─ Emotional → esl_analyze_emotion
      ├─ Reasoning → rep_perform_*_reasoning
      └─ Rule validation → vvp_validate_rules

对比矩阵

______________________________________________________________________

配置

环境变量

# Output directories
export GOVERNED_RESPONSE_DB_DIR="/path/to/databases"
export GOVERNED_RESPONSE_OUTPUT_DIR="/path/to/outputs"

# Claude CLI configuration
export CLAUDE_API_KEY="your-api-key"

自定义配置文件

创造 config.json:

{
  "server": {
    "host": "0.0.0.0",
    "port": 3000
  },
  "output": {
    "db_dir": "tmp/iterations",
    "output_dir": "tmp/outputs"
  },
  "validation": {
    "default_strictness": "moderate",
    "default_threshold": 80.0
  },
  "generation": {
    "max_iterations": 3,
    "timeout": 120
  }
}

严格程度级别

______________________________________________________________________

故障排除

常见问题

问题1：未找到Claude CLI

错误： "status": "unavailable", "message": "Claude CLI not found"

解决方案：

pip install claude-cli
claude auth
claude --version  # Verify installation

解决办法： 使用仅验证工具（five_laws_validate_text等

______________________________________________________________________

问题2：子进程超时

错误： "Claude Code CLI timed out after 2 minutes"

解决方案：

• 在配置中增加超时时间
• 简化提示
• 检查 Claude CLI 的响应速度： claude -p "test"

______________________________________________________________________

问题3：数据库权限错误

错误： "Unable to open database file"

解决方案：

# Create directories with proper permissions
mkdir -p tmp/iterations tmp/outputs
chmod 755 tmp/iterations tmp/outputs

______________________________________________________________________

问题4：治理评分低

问题： 生成的回复始终无法通过验证

解决方案：

• 暂时降低门槛： threshold=70.0
• 采用宽松的严格标准： strictness="lenient"
• 增加迭代次数： max_iterations=5
• 审查数据库中的违规模式

______________________________________________________________________

问题5：导入错误

错误： ModuleNotFoundError: No module named 'governed_response_composer'

解决方案：

# Verify file structure
ls src/tools/governed_response_composer.py

# Check Python path
export PYTHONPATH="${PYTHONPATH}:$(pwd)/src"

# Reinstall dependencies
pip install -r requirements.txt --force-reinstall

______________________________________________________________________

寻求帮助

1. 检查日志： tail -f logs/mcp_server.log
2. 验证工具可用性： 使用MCP客户端列出工具
3. 测试单个工具： 先使用简单输入运行
4. 检查文档： 看 tutorials/ 以详细示例说明
5. 审查数据库： 查询SQLite文件以获取迭代历史

______________________________________________________________________

做出贡献

我们欢迎投稿！请参阅 CONTRIBUTING.md 翻译为中文是：“贡献指南.md” 或 “如何贡献.md”（具体翻译可能根据上下文有所调整，但基本意思是指向一个关于如何向项目做贡献的指南文件） 作为指南。

开发环境设置

# Clone repository
git clone https://github.com/your-org/SIM-ONE-MCP-v2.git
cd SIM-ONE-MCP-v2

# Create virtual environment
python -m venv venv
source venv/bin/activate  # or `venv\Scripts\activate` on Windows

# Install development dependencies
pip install -r requirements-dev.txt

# Run tests
pytest tests/

# Run linter
flake8 src/

______________________________________________________________________

许可证

这个项目采用MIT许可证授权 - 详见 许可证 详情请查阅文件。

______________________________________________________________________

相关资源

SIM-ONE框架

• 主仓库：
• 文档： SIM-ONE框架文档
• 教程： Jupyter 笔记本

特定教程

• 五律验证器 \five_laws_validator_tutorial.ipynb\ 可以翻译为：“五定律验证器教程.ipynb”。这里，“five_laws_validator”指的是用于验证五个特定定律（或规则）的工具或程序，“tutorial”表示这是一个教程文件，而“.ipynb”是Jupyter Notebook文件的扩展名，表示这是一个交互式笔记本文件
• 治理响应编曲器（或“治理响应配置器”，具体翻译可能根据上下文调整） \governed_response_composer_tutorial.ipynb\ 翻译为中文是：“受监管响应合成器教程.ipynb”
• ESL情感分析： \esl_emotional_analysis_tutorial.ipynb\ 翻译为中文是：“情感分析教程（基于ESL）.ipynb”。这里，“ESL”可能指的是某种特定的情感分析库、工具或课程体系，具体含义需根据上下文确定。而“.ipynb”是Jupyter Notebook的文件扩展名，表示这是一个交互式笔记本文件，常用于数据科学、机器学习等领域的教学和研究
• REP推理协议： \rep_reasoning_tutorial.ipynb\ 可以翻译为：“推理教程笔记本（或：推理教程IPython Notebook）”。这里，“ipynb”是Jupyter Notebook文件的扩展名，通常用于存储包含代码、文本和输出的交互式文档。所以，整个文件名可以理解为一个用于讲解或学习推理过程的交互式教程文档
• VVP验证协议： \vvp_validation_tutorial.ipynb\ 翻译为中文是：“VVP验证教程.ipynb”。这里，“VVP”可能代表某个特定的软件、框架或项目名称，而“验证教程”则表明这是一个关于如何验证该软件、框架或项目内容的教程文件，\.ipynb\是Jupyter Notebook文件的扩展名，通常用于编写和运行代码以及文档

模型上下文协议

• MCP 文档： https://modelcontextprotocol.io/（该网址可翻译为：“模型上下文协议.io”，但实际网址翻译通常保持原样，因为网址是全球通用的，不直接对应到中文表达，所以这里的翻译仅是对其含义的简要说明。）
• MCP规范： 协议规范

Claude CLI（命令行界面）

• 安装指南： Claude CLI 文档
• 认证： 身份验证设置

______________________________________________________________________

工具概述

______________________________________________________________________

快速参考

最常见的用例

# 1. Validate existing content
five_laws_validate_text(text="...", strictness="moderate")

# 2. Generate new governed content
compose_governed_response(prompt="...", threshold=80.0)

# 3. Analyze emotions
esl_analyze_emotion(text="...")

# 4. Validate reasoning
rep_perform_deductive_reasoning(premises=[...], conclusion="...")

# 5. Check rules
vvp_validate_rules(rules=[...])

性能优化技巧

• 验证者： 接近即时（\<1秒）- 可自由使用
• 发电机： 30-90秒 - 在需要生成时使用
• 批处理操作： 高效处理多篇文本
• 数据库查询： 生成后使用 SQLite 进行分析

______________________________________________________________________

如需提问或寻求支持，请在GitHub上提交一个问题。

基于SIM-ONE框架开发 | 模型上下文协议 | 人工智能系统的认知治理