项目简介

WeMake企业级MCP服务器生态系统是一个综合性的解决方案，旨在为大型语言模型（LLM）提供安全、可扩展的后端服务。它使LLM能够以标准化方式访问企业数据、业务工具和AI代理。该生态系统包含多个专业化的MCP服务器，涵盖决策分析、推理认知、内存管理、内容处理和质量评估等多个领域，专注于GDPR合规性、德国医疗标准和在Cloudflare Workers上的零停机部署，确保了生产环境的可靠性和安全性。

主要功能点

决策与分析框架: 提供多种决策分析工具，如结构化决策分析、伦理推理、约束求解和目标追踪，帮助LLM进行复杂的决策制定和评估。
推理与认知能力: 支持结构化论证、类比推理、协作推理、顺序思维、元认知监控和科学方法，增强LLM的逻辑和高级认知能力。
内存与数据管理: 实现持久化知识图谱，用于跨会话信息保留，并提供ACID兼容的多步操作事务管理。
内容与媒体处理: 包含可视化推理（空间推理和ASCII可视化）和多模态内容合成器（文本和图像内容整合）。
质量与评估: 提供偏见检测（语言模式分析）和多角色评估框架（如焦点小组），用于MCP服务器的评估。
企业级特性: 采用Bun作为主要开发/运行时环境，支持Node.js和Cloudflare Workers兼容部署，全TypeScript原生开发提供类型安全，并集成GDPR合规性、审计日志和最小权限访问模式等企业级安全功能。

安装步骤

克隆仓库: 在终端中运行以下命令，将项目仓库克隆到本地：

git clone https://github.com/Clarity-BI/mcp.git

进入项目目录: 进入刚克隆的项目主目录：
```
cd mcp
```
安装依赖: 确保您已安装Bun运行时（如果未安装，请访问 bun.sh 查看安装指南）。然后在项目根目录下运行以下命令安装所有依赖：
```
bun install
```

服务器配置 (MCP客户端使用)

MCP客户端需要配置MCP服务器的启动命令和参数才能建立连接。以下是一个示例配置，展示了如何启动“内存服务器”（Memory Server）。您可以根据需要选择并配置相应的服务器，每个服务器的代码位于 'src/' 目录下的独立子目录中。

{
  "name": "memory-server",
  "command": "bun",
  "args": [
    "run",
    "start"
  ],
  "cwd": "src/memory",
  "environment": {
    "MEMORY_FILE_PATH": "/path/to/your/memory.jsonl"
  },
  "comment": "此配置用于启动Memory MCP服务器。'command'指定了运行时为Bun，'args'是启动Bun脚本的参数。'cwd'表示服务器的工作目录。'environment'中的'MEMORY_FILE_PATH'是可选的环境变量，用于指定知识图谱数据文件的存储路径，默认为当前目录下的memory.jsonl。请根据实际部署环境调整'/path/to/your/memory.jsonl'。"
}

其他服务器示例配置：

决策框架服务器 ('decision-framework-server'):

{
  "name": "decision-framework-server",
  "command": "bun",
  "args": [
    "run",
    "start"
  ],
  "cwd": "src/decision-framework",
  "comment": "此配置用于启动Decision Framework MCP服务器，提供结构化决策分析能力。"
}

伦理推理服务器 ('ethical-reasoning-server'):

{
  "name": "ethical-reasoning-server",
  "command": "bun",
  "args": [
    "run",
    "start"
  ],
  "cwd": "src/ethical-reasoning",
  "comment": "此配置用于启动Ethical Reasoning MCP服务器，支持多框架伦理分析。"
}

类比推理服务器 ('analogical-reasoning-server'):

{
  "name": "analogical-reasoning-server",
  "command": "bun",
  "args": [
    "run",
    "start"
  ],
  "cwd": "src/analogical-reasoning",
  "environment": {
    "AR_SILENT": "false"
  },
  "comment": "此配置用于启动Analogical Reasoning MCP服务器，进行结构化类比构建和映射。'AR_SILENT'环境变量控制是否在控制台打印详细的可视化输出（'false'表示打印，'true'表示静默）。"
}

元认知监控服务器 ('metacognitive-monitoring-server'):

{
  "name": "metacognitive-monitoring-server",
  "command": "bun",
  "args": [
    "run",
    "start"
  ],
  "cwd": "src/metacognitive-monitoring",
  "comment": "此配置用于启动Metacognitive Monitoring MCP服务器，支持知识边界和推理质量的自我监控。"
}

基本使用方法

每个MCP服务器都作为独立的进程运行，并通过标准输入/输出 (stdio) 与MCP客户端通信。

启动MCP服务器: 选择您想要运行的服务器（例如 'memory'）。首先，进入该服务器的目录：
```
cd src/memory
```
然后，运行启动命令：
```
bun run start
```
服务器将在终端中输出类似 "Knowledge Graph MCP Server running on stdio" 的消息，表示已成功启动。
连接MCP客户端: 使用兼容Model Context Protocol的客户端（例如，一个LLM代理或一个自定义应用），根据上文提供的JSON格式配置服务器信息。客户端将通过JSON-RPC协议与服务器建立连接，并可以使用服务器暴露的工具、资源和提示模板。
调用工具: MCP客户端会通过JSON-RPC 'tools/call' 方法调用服务器暴露的工具。例如，'memory-server' 暴露了 'create_entities'、'read_graph' 等工具，客户端可以通过发送相应的JSON-RPC请求来操作知识图谱。

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