GlassBox AI MCP 服务器

使用说明

• 项目简介 GlassBox AI MCP 服务器实现了一个基于 MCP 的后端服务，核心功能包括并行执行的多代理协作、信任分数持久化、以及多轮辩论后对结果的生成与评估。服务器通过标准的 MCP 接口暴露工具（如 analyze、debate、trust_scores、update_trust），供 MCP 客户端调用，并通过 JSON-RPC 进行通信。
• 主要功能点
  • MCP 工具：提供分析、辩论、信任查询与更新等接口，支持客户端对话与协作。
  • 资源与工具整合：通过内部的 orchestrator 与 TrustDB 持久化，管理代理信任、并发执行与结果汇总。
  • 3 个代理角色与多轮辩论：architect、pragmatist、critic，进行 3 轮对话并由 LLM 评审判断信任变化。
  • 持久化与可观测性：信任分数使用 SQLite，含统计与越界保护。
  • 传输与部署友好：支持 stdio 传输用于开发/测试场景，亦可扩展为 WebSocket/SSE 等传输协议。
• 安装与运行
  • 运行前提：Python 3.10+，OpenAI API Key。项目内置多代理编排与 MCP 服务端实现。
  • 启动方式：在具备 OpenAI Key 的环境中直接运行主服务，以 MCP 标准接口对接客户端。
• 服务器配置（JSON 形式，供 MCP 客户端读取配置，用于与 MCP 服务建立连接） 下面给出一个示例配置，该配置描述了 MCP 客户端如何发现并连接 GlassBox AI 服务器。请将其中的值替换为实际部署信息： { "server_name": "GlassBox AI", "command": "glassbox-ai", "args": [], "description": "MCP 服务器：GlassBox AI 多代理信任与辩论后端", "env": { "OPENAI_API_KEY": "<YOUR_OPENAI_API_KEY>" } /* 说明： - server_name: MCP 客户端在 UI/日志中显示的服务器名称。 - command: 启动服务器的命令，若已安装为可执行包，请设置为该执行文件名或可执行入口。 - args: 启动参数（若需，按实际环境填入，如工作目录、配置路径等）。 - description: 较短的服务器描述，便于在客户端列表中识别。 - env: 运行时所需的环境变量，这里建议设置 OPENAI_API_KEY。 */ }
• 基本使用方法
  • 启动后，服务器将监听 MCP 客户端请求，客户端通过 JSON-RPC 调用分析、辩论、信任查询与更新等接口来获取/提交信息。
  • 开发/调试阶段可使用 STDIO 传输进行交互，生产环境可扩展为 WebSocket/SSE 等传输方式。
  • 通过信任分数和辩论结果，LLM 客户端可以获得对话上下文、工具输出以及提示模板的渲染结果，以实现更可控的对话管线。