项目简介

MACROSLOW项目旨在构建一个先进的、基于Model Context Protocol (MCP) 的应用后端，为大型语言模型（LLM）客户端提供标准化、安全且可扩展的上下文服务。它整合了量子计算、AI、分布式网络和区块链技术，通过MAML（Markdown as Medium Language）协议来定义和执行复杂的业务流程。

主要功能点

MCP服务器核心功能: 实现MCP协议，以JSON-over-HTTP（兼容JSON-RPC）的方式与LLM客户端通信，提供上下文信息和功能。
MAML协议支持: 使用'MAML.md'文件作为结构化、可执行的数据容器，用于定义资源访问、工具调用指令和Prompt模板。
混合量子-经典计算: 通过CHIMERA四核架构，结合Qiskit进行量子电路模拟和PyTorch进行AI训练/推理，实现量子增强型工作流。
高级安全与认证: 采用2048位AES加密、CRYSTALS-Dilithium签名、OAuth2.0及令牌化机制，确保数据和通信的量子安全。
分布式资源管理: 托管和管理多种资源，包括数据库（SQLAlchemy）、Dropbox文件存储、IoT传感器数据、Web3钱包等。
多代理协同: 支持MARKUP、BELUGA、Sakina等专业代理，处理Markdown转换、多模态数据融合、冲突解决等任务。
可扩展的工具调用: 注册和执行Fortran 256-AES、C64 512-AES、Amoeba 1024-AES等多种计算模式，允许LLM调用外部复杂功能。
前端UI集成: 包含JavaScript模块，提供用户界面控制和实时仪表板，监控服务器状态和模式切换。

安装步骤

MACROSLOW是一个综合性项目，其完整的安装和部署涉及多个组件。以下是启动核心MCP服务器（例如GLASTONBURY 2048 MCP Server）所需的关键步骤。请注意，这可能需要CUDA兼容的GPU和Fortran/C64库的预编译。

克隆仓库:

git clone https://github.com/webxos/macroslow.git
cd macroslow

Python环境准备: 建议使用'venv'或'conda'创建独立的Python环境。

python -m venv venv
source venv/bin/activate # Linux/macOS
# 或 venv\Scripts\activate # Windows

安装Python依赖: 项目依赖较多，请根据实际使用的组件安装。核心MCP服务器可能需要以下依赖。

pip install fastapi uvicorn pydantic torch qiskit qiskit-aer pyyaml python-jose python-dotenv cryptography prometheus-client requests sqlalchemy dropbox click
# 对于Fortran/C64模式，可能需要预编译的Fortran/C64库及其Python接口。
# 对于PostgreSQL日志，需要psycopg2-binary。

环境配置: 创建'.env'文件，配置必要的环境变量，例如数据库连接、AES密钥、Dropbox令牌等。

DATABASE_URL="sqlite:///glastonbury_2048_state.db" # 或 PostgreSQL 连接字符串
AES_KEY="YOUR_256_BIT_AES_KEY_HERE" # 16或32字节的随机字符串
JWT_SECRET_KEY="YOUR_JWT_SECRET_KEY"
OPENAI_API_KEY="YOUR_OPENAI_API_KEY"
# Dropbox 相关配置 (如果使用)
DROPBOX_ACCESS_TOKEN="YOUR_DROPBOX_ACCESS_TOKEN"
DROPBOX_APP_KEY="YOUR_DROPBOX_APP_KEY"
DROPBOX_APP_SECRET="YOUR_DROPBOX_APP_SECRET"
# Quantum Fortran Network (QFN) 相关 (如果使用)
AES_MASTER_KEY="YOUR_2048_BIT_AES_KEY_HERE" # 256字节的随机字符串

启动核心MCP服务器: MACROSLOW包含了多个FastAPI服务，它们可能协同工作。最直接的MCP服务器实现可以在'primes/mcp_server.py'中找到。
```
python -m uvicorn primes.mcp_server:app --host 0.0.0.0 --port 8000
```
这将启动一个名为“GLASTONBURY 2048 MCP Server”的FastAPI应用，监听在'http://localhost:8000'。

服务器配置 (MCP客户端使用):

MCP客户端可以通过JSON-RPC协议连接到MCP服务器。对于MACROSLOW项目中的'GLASTONBURY 2048 MCP Server'，MCP客户端需要配置以下信息以建立连接并调用服务：

{
  "server_name": "Glastonbury 2048 MCP Server",
  "command": "python",
  "args": [
    "-m",
    "uvicorn",
    "primes.mcp_server:app",
    "--host",
    "0.0.0.0",
    "--port",
    "8000"
  ],
  "description": "连接到Glastonbury 2048 MCP服务器，提供量子增强的医疗健康工作流和数据处理服务。",
  "endpoints": [
    {
      "path": "/health",
      "method": "POST",
      "description": "执行基于MAML文件、生物特征数据和Neuralink集成的医疗健康工作流。",
      "parameters": {
        "biometric_data": "用户的生物特征数据，例如心率、体温等。",
        "maml_file": "定义医疗健康工作流的MAML文件内容。",
        "node_signals": "各节点的状态信号，用于流程协调。",
        "neuralink_stream": "Neuralink实时数据流的WebSocket URL。",
        "donor_wallet_id": "捐赠者钱包ID，用于记录数据贡献。"
      },
      "response_format": {
        "health_codes": "生成的健康代码列表。",
        "count": "健康代码的数量。",
        "message": "工作流处理结果信息。",
        "wallet_balance": "更新后的捐赠者钱包余额。"
      }
    },
    {
      "path": "/",
      "method": "GET",
      "description": "检查服务器健康状态，返回基本运行信息。",
      "response_format": {
        "message": "服务器状态信息。"
      }
    }
  ],
  "mcp_protocol_version": "2.0.0",
  "mcp_features": {
    "resource_management": true,
    "tool_execution": true,
    "prompt_templating": true,
    "session_management": true,
    "security": {
      "aes_encryption": "2048-bit",
      "post_quantum_signatures": "CRYSTALS-Dilithium"
    }
  }
}

基本使用方法

准备MAML文件: 创建一个MAML文件（例如'my_health_workflow.maml.md'），定义您希望服务器执行的医疗健康工作流。这个文件会包含元数据和执行指令。例如（简化的MAML文件，实际会更复杂）：

---
maml_version: "2.0.0"
id: "urn:uuid:12345"
type: "healthcare_workflow"
origin: "client://llm-agent"
requires:
  modes: ["fortran-256aes", "c64-512aes", "amoeba-1024aes", "cm-2048aes"]
parameters:
  patient_id: "P1001"
mu_validation_file: "workflows/health_workflow_validation.mu.md"
---
## Intent
处理患者生物特征数据以生成健康代码并更新捐赠者钱包。

发送MCP请求: 使用MCP客户端（或任何能够发送JSON请求的工具，如'curl'或Python 'requests'库）向MCP服务器的'/health'端点发送POST请求。

例如，使用Python 'requests' 库：

import requests
import json

maml_content = """
---
maml_version: "2.0.0"
id: "urn:uuid:12345"
type: "healthcare_workflow"
origin: "client://llm-agent"
requires:
  modes: ["fortran-256aes", "c64-512aes", "amoeba-1024aes", "cm-2048aes"]
parameters:
  patient_id: "P1001"
mu_validation_file: "workflows/health_workflow_validation.mu.md"
---
## Intent
处理患者生物特征数据以生成健康代码并更新捐赠者钱包。
"""

request_payload = {
    "biometric_data": {"heart_rate": 72, "temperature": 36.8, "blood_pressure": 120},
    "maml_file": maml_content,
    "node_signals": {"node1": True, "node2": True, "node3": True, "node4": True},
    "neuralink_stream": "wss://neuralink-api/stream", # 实际Neuralink流地址
    "donor_wallet_id": "eth:0xYourEthereumWalletAddress"
}

response = requests.post("http://localhost:8000/health", json=request_payload)

if response.status_code == 200:
    print("MCP服务器响应成功:")
    print(json.dumps(response.json(), indent=2))
else:
    print(f"MCP服务器错误: {response.status_code} - {response.text}")

服务器将根据MAML文件中的指令，结合生物特征数据和Neuralink流，执行一系列量子增强的计算和数据处理，最终返回健康代码和更新后的钱包余额。

关键词

项目简介

主要功能点

安装步骤

服务器配置 (MCP客户端使用):

基本使用方法

信息