Token导航 LogoToken导航

MCP Server · 运维云端

Advanced Prompting Engine

一个通用的提示创建引擎,通过12个哲学维度测量意图并返回构建基础,用于指导提示的构建。

stdio官方级别未说明来源级核验工具 4
Python云端部署Docker

快速开始

作者 / 组织
JoshuaRamirez
提供方
JoshuaRamirez

工具数量

4

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

2 个

MCP World

选型结论

Advanced Prompting Engine 属于运维云端类 MCP Server,公开资料标注 4 个工具,通过stdio 本地进程接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前先确认权限范围。

分类

运维云端

传输方式

stdio

认证方式

无需认证

部署方式

支持远程部署

安装与配置

安装命令

pip install advanced-prompting-engine

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 对应的运行时,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 4 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

高级提示引擎

作为MCP服务器提供的通用提示创建引擎。衡量12个哲学维度的意图,并返回客户构建提示的构建基础。

发动机不产生提示。它提供了维度基础——主动构造、光谱对立、张力、宝石、辐条、协调对和构造问题——使快速构造具有原则性而非启发性。

快速开始

# Install
pip install advanced-prompting-engine

# Or run directly via uvx
uvx advanced-prompting-engine

MCP配置

添加到您的 .mcp.json:

{
  "mcpServers": {
    "advanced-prompting-engine": {
      "command": "uvx",
      "args": ["advanced-prompting-engine"]
    }
  }
}

它的作用

引擎将你的意图定位在一个12维的哲学流形中:

面子尺寸相位
本体论特定↔ 通用、静态↔ 动态理解
认识论实证↔ 理性、确定↔ 暂定理解
价值论绝对↔ 相对、定量↔ 定性理解
目的论即时↔ 终极的、有意的↔ 紧急理解
现象学目的↔ 主观、表面↔ 深度理解
伦理学道义↔ 因此,代理人↔ 行动评估
美学自主↔ 语境、感官↔ 概念评估
行为学个体↔ 协调、反应↔ 主动应用程序
方法论分析↔ 合成、演绎↔ 归纳应用
符号学显性↔ 隐式,句法↔ 语义应用
解释学字面↔ 形象,作者意图↔ 读者反应应用程序
启发式系统性↔ 直觉、保守↔ 探索性应用

每张脸是一个由144个认知观察点组成的12x12网格。位置决定了分类(角/中点/边缘/中心)、效力和光谱成员资格。这12个面被组织成6个互补对(立方体模型),通过共享表面进行协调。该引擎通过位置对应、具有立方体层调制的宝石(面间积分)、辐条(每张脸的行为特征)和中心宝石一致性得分来计算张力。

工具

工具目的
create_prompt_basis主要——意图或协调,施工依据
interpret_basis解读——一种建构基础的通俗语言阅读
explore_space专家——图遍历、应力测试、三角测量
extend_schema创作——添加与矛盾检测的结构和关系

示例:自然语言意图

create_prompt_basis(intent="Design an ethical framework for autonomous vehicle decision-making")

引擎将这一意图定位在所有12个哲学维度上,并返回:

{
  "coordinate": {
    "epistemology":  {"x": 4, "y": 4, "weight": 0.76},
    "ontology":      {"x": 6, "y": 5, "weight": 0.73},
    "praxeology":    {"x": 7, "y": 4, "weight": 0.72},
    "heuristics":    {"x": 5, "y": 3, "weight": 0.66},
    "phenomenology": {"x": 7, "y": 4, "weight": 0.61},
    "ethics":        {"x": 6, "y": 4, "weight": 0.53},
    "...": "...all 12 faces with (x,y) position and relevance weight"
  },
  "harmonization": [
    {"pair": ["ontology", "praxeology"], "resonance": 0.15},
    {"pair": ["axiology", "ethics"],     "resonance": 0.05},
    "...6 complementary pairs with resonance scores"
  ],
  "spokes": {
    "ontology":      {"classification": "weakly_integrated", "strength": 0.042},
    "epistemology":  {"classification": "weakly_integrated", "strength": 0.039},
    "...": "...per-face behavioral signatures"
  },
  "central_gem": {"coherence": 0.69, "classification": "highly_coherent"},
  "construction_questions": {
    "ethics": {
      "template": "What moral obligations does this prompt impose or assume?",
      "position_summary": "balanced Deontological/Consequential + moderately Agent-focused",
      "meaning_mechanism": "composition",
      "phase": "evaluation"
    },
    "...": "...12 position-specific philosophical questions to guide prompt construction"
  }
}

输出告诉你:这个意图主要是关于知识验证(认识论0.76)、存在什么实体(本体论0.73)和行动结构(实践论0.72)。伦理学登记为0.53,存在但不占主导地位。这种协调表明本体论和行为学产生了强烈的共鸣(0.15)——理论上的“存在”与实践中的“如何行动”是一致的

示例:预先形成的坐标

为了精确控制,直接传递坐标:

coordinate = {
    "ontology": {"x": 0, "y": 0, "weight": 1.0},      # corner: particular + static
    "ethics": {"x": 0, "y": 11, "weight": 0.9},         # corner: deontological + act
    "methodology": {"x": 0, "y": 0, "weight": 0.8},     # corner: analytic + deductive
    # ...all 12 faces with x (0-11), y (0-11), weight (0-1)
}
result = create_prompt_basis(coordinate=coordinate)

建筑

  • 堆栈: Python+NetworkX(拓扑)+numpy(计算)+SQLite(持久性)+MCP SDK
  • 图表: 1873个节点,2279条边(12个面×144个构造+132个nexi+1个中心宝石)
  • 管道: 8个阶段(意图解析器→ 坐标解算器→ 位置计算机→ 构造解析器→ 张力分析器→ Nexus/宝石分析仪→ 轮辐分析器→ 施工桥梁)
  • 几何形状: 向量平衡(立方八面体)作为潜在的面间拓扑,6对互补对的立方体模型
  • 部署: 单进程,stdio传输,无守护进程,无外部依赖

文档

  • docs/DESIGN.md --完整的设计规范
  • docs/CONSTRUCT-v2.md --构造规范(面、点、光谱、nexi、宝石、辐条是什么)
  • docs/CONSTRUCT-v2-questions.md --144个按区域划分的施工问题模板
  • docs/adr/ --13架构决策记录

发展

pip install -e ".[dev]"
pytest tests/ -v

重建语义桥(可选)

装运的包裹包括预先计算的BGE衍生工件(semantic_bridge.npz, semantic_vocab.json).要从头开始重建它们(例如,在极点同义词编辑后),请安装build-extra:

pip install -e ".[build]"
python -m nltk.downloader wordnet omw-1.4
python scripts/build_semantic_bridge.py

该版本使用BAAI/bge-large-en-v1.5(约1.3 GB,下载一次到HuggingFace缓存)和 wordfreq 用于频率排序。运行时依赖关系不受影响——最终用户只接收预先计算的工件。

贡献

看 贡献.md 用于开发设置和指南。

安全

看 安全.md 获取漏洞报告说明。

许可证

麻省理工学院

工具与能力

工具数量

4

资源数量

0

提示词数量

0

能力标签

提示工程Python本地部署哲学维度意图测量构建基础

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标,定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量,找出闲置和超额的部分。

选择建议

值得选的地方

  • 只提供 4 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 运行环境,换机器要重新装一遍。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Advanced Prompting Engine

MCP World · 本页

4stdio有2 个2026-05-17
Ui Tars Desktop 8a825770

MCP World

0stdio有1 个2026-05-17
Elie222 MCP

MCP World

0未说明未标注1 个2026-05-17
Arizeai Phoenix MCP

MCP World

0stdio有3 个2026-05-17
Unity MCP 87ee506e

MCP World

42HTTP有2 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Advanced Prompting Engine 怎么安装?

公开资料给出的安装命令是 pip install advanced-prompting-engine,运行环境为 未标注。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Advanced Prompting Engine 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 未标注;保存后完全退出客户端再打开,配置才会生效。

Advanced Prompting Engine 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Advanced Prompting Engine 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Advanced Prompting Engine 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP