快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

命令预览

pip install bbsbot

详细介绍

bbsbot

基于FastMCP的telnet客户端，用于BBS（公告板系统）交互，具有自动学习功能。使AI代理能够通过模型上下文协议（MCP）与基于传统telnet的系统进行交互。

⚠️ AI生成代码免责声明 该项目是在人工智能的帮助下生成的。虽然功能正常，但它可能包含错误、安全漏洞或意外行为。使用风险自负。对于因使用本软件而导致的任何问题、损害或损失，作者不承担任何责任。在任何生产环境中使用之前，请彻底检查代码。

概述

bbsbot通过提供：

支持ANSI/CP437的全终端仿真
基于模式的屏幕阅读和导航
自动发现和记录菜单和提示
会话日志记录，用于分析和回放
MCP工具曝光，实现无缝AI集成

建筑

bbsbot使用一个干净的分层架构，并适当分离关注点：

graph TB
    subgraph "AI Agent"
        LLM[Claude/LLM]
        MCP[MCP Client]
    end

    subgraph "bbsbot Server"
        App[FastMCP App]
        SM[SessionManager]

        subgraph "Core Layer"
            Session[Session]
        end

        subgraph "Transport Layer"
            Transport[TelnetTransport]
        end

        subgraph "Terminal Layer"
            Emulator[TerminalEmulator
pyte]
        end

        subgraph "Learning Layer"
            Engine[LearningEngine]
            Discovery[Menu Discovery]
        end

        subgraph "Logging Layer"
            Logger[SessionLogger]
        end
    end

    subgraph "BBS System"
        Telnet[Telnet Server :23]
        BBS[BBS Software]
    end

    subgraph "Knowledge Base"
        Prompts[prompt-catalog.md]
        Menus[menu-map.md]
        Flows[navigation-flows.md]
    end

    LLM --> MCP
    MCP -->|MCP Tools| App
    App --> SM
    SM --> Session
    Session --> Transport
    Session --> Emulator
    Session --> Engine
    Session --> Logger
    Transport -->|RFC 854 + IAC Escaping| Telnet
    Telnet --> BBS
    BBS -->|ANSI/CP437| Telnet
    Telnet -->|Raw Bytes| Transport
    Transport --> Emulator
    Engine --> Discovery
    Engine --> Prompts
    Engine --> Menus
    Engine --> Flows

架构层

传输层 (transport/)：协议抽象（符合RFC 854的telnet，IAC字节转义）
端子层 (terminal/)：使用pyte进行ANSI/CP437终端仿真
核心层 (core/)：具有资源限制和状态隔离的会话管理
学习层 (learning/)：自动发现菜单/提示，知识库管理
测井层 (logging/)：使用原始字节的结构化JSONL会话日志记录

特性

远程登录客户端：具有选项协商的完整RFC 854 telnet协议（BINARY、SGA、NAWS、TTYPE）
终端仿真：配备80x25（可配置）屏幕缓冲区的完整ANSI/CP437终端
屏幕阅读：提取文本、匹配模式、等待具有超时控制的提示
自动学习：发现菜单 [A] Option，提示 Enter name:，以及文档导航流
会话日志记录：JSONL格式，带有时间戳、上下文和原始字节，用于回放/分析
MCP集成：25多种用于连接、导航、学习和会话管理的工具
保持连接：可配置间隔以防止空闲断开连接

安装

先决条件

安装紫外线（推荐的软件包安装程序）：

curl -LsSf https://astral.sh/uv/install.sh | sh

或者看看紫外线安装文档对于其他方法。

安装bbsbot

bbsbot是必须在MCP客户端（Claude Desktop、Cline等）中配置的MCP服务器。

选项1：作为工具安装（推荐）

uv tool install bbsbot

然后添加到MCP客户端配置中：

{
  "mcpServers": {
    "bbsbot_local_tw2002": {
      "command": "bbsbot"
    }
  }
}

本地TW2002 MCP与外部MCP连接器

bbsbot 在本地提供TW2002工具，但这些工具仅存在于MCP中您从这个存储库/环境启动的服务器进程。在多连接器中客户端，您也可能安装了无关的MCP连接器；那些不会暴露 tw2002_* 工具。

有关群集运行时/ROI诊断和防崩溃控制参考，请参阅：

docs/guides/SWARM_OPERATIONS_TELEMETRY.md

对TW2002操作使用显式的本地别名和工具筛选器：

{
  "mcpServers": {
    "bbsbot_local_tw2002": {
      "command": "bbsbot",
      "args": ["serve", "--tools", "tw2002"]
    }
  }
}

如果 tw2002_* 缺少工具，首先验证配置的命令是否包括 serve --tools tw2002.

选项2：使用pip安装

pip install bbsbot

然后配置MCP客户端以运行 bbsbot 作为服务器。

开发安装

git clone https://github.com/livingstaccato/bbsbot.git
cd bbsbot
uv pip install -e ".[dev]"

快速入门示例

以下是一个完整的AI代理连接到BBS、导航菜单和阅读消息的示例：

from fastmcp import Client
from fastmcp.mcp_config import StdioMCPServer

# Start bbsbot server
server = StdioMCPServer(command="bbsbot", args=[])

async with Client(server.to_transport()) as client:
    # Connect to BBS
    await client.call_tool("bbs_connect", {
        "host": "bbs.example.com",
        "port": 23,
        "cols": 80,
        "rows": 25,
        "term": "ANSI",
        "send_newline": True
    })

    # Wait for main menu
    screen = await client.call_tool("bbs_read_until_pattern", {
        "pattern": r"\[M\] Main Menu",
        "timeout_ms": 5000
    })

    # Navigate to messages
    await client.call_tool("bbs_send", {"keys": "M\r"})

    # Read until message list appears
    screen = await client.call_tool("bbs_read_until_pattern", {
        "pattern": r"Message #\d+",
        "timeout_ms": 3000
    })

    print(screen["screen"])  # Display the screen

    # Disconnect
    await client.call_tool("bbs_disconnect", {})

用法

作为MCP服务器

作为MCP服务器运行以公开BBS工具：

# Start the server (stdio transport)
bbsbot

# Or specify config
bbsbot --host localhost --port 2002

程序化使用

在没有MCP的情况下直接使用Python API：

from bbsbot.core.session_manager import SessionManager

manager = SessionManager(max_sessions=10)

# Connect and create session
session_id = await manager.create_session(
    host="bbs.example.com",
    port=23,
    cols=80,
    rows=25,
    term="ANSI",
    send_newline=True,
    reuse=False
)

# Get session
session = await manager.get_session(session_id)

# Read screen with timeout
snapshot = await session.read(timeout_ms=250, max_bytes=8192)

# Snapshot contains:
# - screen: formatted text (80x25)
# - screen_hash: SHA256 of screen text
# - cursor: {x, y} position
# - cols, rows, term

print(snapshot["screen"])
print(f"Cursor at: {snapshot['cursor']}")

# Send keys
await session.send("A\r\n")

# Wait for specific pattern (manual implementation)
import re
import asyncio

pattern = re.compile(r"Enter your name:")
timeout = 5.0
interval = 0.1
start_time = asyncio.get_event_loop().time()

matched = False
while asyncio.get_event_loop().time() - start_time >MCP: bbs_log_start("session.jsonl")
    MCP->>Log: Create log file

    LLM->>MCP: bbs_connect(host, port, ...)
    MCP->>BBS: Telnet connection
    BBS-->>MCP: Welcome screen (ANSI)
    MCP->>Log: Log connection + raw bytes

    LLM->>MCP: bbs_auto_learn_enable(true)
    LLM->>MCP: bbs_auto_learn_discover(true)

    LLM->>MCP: bbs_read_until_pattern("Main Menu")
    MCP->>BBS: Read telnet stream
    BBS-->>MCP: Raw bytes + ANSI codes
    MCP->>MCP: Parse terminal, extract text
    MCP->>Log: Log screen + raw bytes
    MCP->>KB: Discover menu options [A], [B]
    MCP-->>LLM: screen + cursor + hash

    Note over LLM: LLM analyzes screen,
decides to press 'M'

    LLM->>MCP: bbs_send("M\r")
    MCP->>BBS: Send 'M' + Enter
    MCP->>Log: Log keystroke

    LLM->>MCP: bbs_read(250, 8192)
    BBS-->>MCP: Message list screen
    MCP->>Log: Log screen + raw bytes
    MCP-->>LLM: Full snapshot

    Note over LLM: If LLM is uncertain about
screen content, it can
refer to session.jsonl
for raw bytes

    LLM->>MCP: bbs_disconnect()
    MCP->>BBS: Close connection
    MCP->>Log: Log disconnect
    LLM->>MCP: bbs_log_stop()

要点

始终启动会话日志记录 (bbs_log_start)-使用原始字节创建完整记录
使用 bbs_read 对于一切 -始终以JSONL格式记录原始数据的单一方法
启用自动学习 早期-为未来的会议建立知识库
如果不确定，LLM可以参考日志 -每一个 bbs_read 包括 raw_bytes_b64 会话日志
没有单独的“获取屏幕”方法 -使用 bbs_read(timeout_ms=0) 获取当前状态
知识库积累 -菜单、提示、流程记录在 .bbs-knowledge/

为什么是单读法？

以前，读取新数据和获取当前屏幕有不同的方法。这令人困惑且容易出错。现在：

单一真相来源： bbs_read 始终读取，始终记录原始字节
LLM安全： 如果不确定屏幕内容，LLM可以检查 raw_bytes_b64 来自session.jsonl
一致的日志记录： 每次屏幕观察都会完整记录
更简单的API： 不混淆使用哪种方法

配置

知识库

默认情况下，学习到的知识按照XDG基本目录规范存储在特定于平台的用户数据目录中：

Linux/BSD: ~/.local/share/bbsbot （或 $XDG_DATA_HOME/bbsbot)
macOS: ~/Library/Application Support/bbsbot
视窗: %LOCALAPPDATA%\bbsbot

用以下内容覆盖默认位置：

export BBSBOT_KNOWLEDGE_ROOT=/path/to/knowledge

保持每个项目的知识库（而不是整个用户）：

export BBSBOT_KNOWLEDGE_ROOT=$(pwd)/.bbs-knowledge

终端设置

通过MCP工具配置终端大小和保活：

# Using MCP client
await client.call_tool("bbs_set_size", {"cols": 80, "rows": 25})
await client.call_tool("bbs_keepalive", {"interval_s": 30.0, "keys": "\r"})

或者以编程方式：

# Using SessionManager
session = await manager.get_session(session_id)
await session.set_size(cols=80, rows=25)
# Keepalive is configured per-session through the session manager

发展

设置

uv pip install -e ".[dev]"

代码质量

该项目使用现代Python 3.11+功能和严格的质量工具：

类型检查: mypy src/bbsbot
掉毛: ruff check src/bbsbot
格式化: ruff format src/bbsbot
测试: pytest
类型验证: ty src/bbsbot

运行所有检查

ruff check src/bbsbot
ruff format --check src/bbsbot
mypy src/bbsbot
pytest

重新生成图表

架构和工作流程图是使用Mermaid文件生成的 mermaid-py.

使用make生成SVG图：

make diagrams

可用目标：

make diagrams 或 make diagrams-svg -生成SVG图（默认）
make diagrams-png -生成PNG图表
make clean -删除所有生成的图表文件
make help -显示所有可用目标

或者，直接运行脚本：

python3 docs/generate_diagrams.py --format svg

源文件：

docs/diagrams/architecture.mmd → architecture.svg
docs/diagrams/workflow.mmd → workflow.svg
docs/diagrams/session-flow.mmd → session-flow.svg

智能机器人与模式测试

bbsbot包括一个智能机器人系统，该系统使用提示检测来自主导航BBS游戏并测试提示模式。

TW2002交易机器人

运行TW2002交易机器人：

bbsbot tw2002 bot -c tw2002_bot_config.yaml

目标可视化（人工智能策略）

当 trading.strategy: ai_strategy 处于活动状态，显示目标进度：

紧凑的状态线 trading.ai_strategy.visualization_interval 回合
目标发生变化时的完整时间表
会议结束时的总结报告

要禁用所有目标可视化输出，请执行以下操作：

trading:
  ai_strategy:
    show_goal_visualization: false

间谍/监视插座

您可以通过TCP广播实时终端流，并从另一个终端连接到它：

# Start bot with watch socket enabled (raw ANSI stream)
bbsbot tw2002 bot -c tw2002_bot_config.yaml --watch-socket

# Attach viewer
bbsbot spy

如果你想要结构化的JSON事件（包括目标可视化事件），请使用JSON协议：

# Start bot with JSON watch protocol
bbsbot tw2002 bot -c tw2002_bot_config.yaml --watch-socket --watch-socket-protocol json

# Attach and view JSON lines (the "viz" events include compact/timeline/summary text)
bbsbot spy --encoding utf-8

目标可视化观察事件如下：

{"event":"viz","data":{"kind":"compact|timeline|summary","text":"...","turn":123,"character_name":"..."}}

MCP“间谍”工具（进行中）

如果你在MCP服务器进程中运行机器人，你可以按需查询目标进度：

tw2002_get_goal_visualization （呈现压缩/时间线/摘要）
tw2002_get_goal_phases （原始相位数据）
tw2002_capabilities （返回分组工具图+快速入口点）
tw2002_list_sessions / tw2002_set_active_session （确定性会话定位）
tw2002_bootstrap （一次通话连接+登录）

快速开始

# Run intelligent bot with pattern testing
bbsbot script play_tw2002_intelligent

# Run systematic pattern validation
bbsbot script test_all_patterns

特性

反应性检测：Bot等待提示，检测它们，并做出适当的响应
自动分页：自动处理“更多”提示和分页
模式验证：测试所有13个定义的提示模式
流量跟踪：记录操作→提示序列
综合报告：生成JSON和Markdown结果

建筑

智能机器人使用 混合反应方法:

第一阶段：纯反应式-检测出现的提示
第2阶段：跟踪提示序列和流程
第三期：添加常见模式的预测（未来）

看 docs/guides/INTELLIGENT_BOT.md 以获取完整的文档。

机器人使用示例

from bbsbot.commands.scripts.play_tw2002_intelligent import IntelligentTW2002Bot

bot = IntelligentTW2002Bot()
await bot.connect()

# Navigate to game
await bot.navigate_twgs_to_game()
await bot.enter_game_as_player("BotName")

# Test commands with automatic prompt detection
await bot.test_command("D\r", "Display computer")
await bot.test_command("I\r", "Show inventory")

# Auto-handles pagination
snapshot = await bot.send_and_wait("L\r", "Long range scan")
snapshot = await bot.handle_pagination(snapshot)

# Generate results
await bot.generate_report()

模式测试

测试了13种模式：

login_username, login_password
twgs_main_menu, twgs_select_game
main_menu, command_prompt_generic
sector_command, planet_command
press_any_key, more_prompt
yes_no_prompt, quit_confirm
enter_number

结果保存到 logs/reports/intelligent-bot-{timestamp}.json

已知警告

你可以看到 UserWarning: Field name "validate" ... shadows an attribute 从Pydantic开始 bbsbot。这目前是无害的，不会影响运行时行为。

许可证

看许可证了解详情。

目录标签

会话管理PythonClaude终端模拟本地部署自动学习BBS交互AI集成

支持客户端

Claude DesktopClaudeCursorCline

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

session

部署方式（deploymentType，部署类型）

remote-capable

工具数量（toolCount，工具数）

26

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

stdiosessionremote-capable

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

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。

来源信息

MCP World

mcpworld.com

/detail/4bb0b031f4fb65865ab4eb6108beba93

基于FastMCP的Telnet客户端，具备自动学习功能，使AI代理能够通过模型上下文协议（MCP）与传统的基于Telnet的BBS系统进行交互。

MC

Glama

glama.ai

/mcp/servers/livingstaccato/mcp-bbs

A FastMCP-based telnet client that enables AI agents to interact with legacy Bulletin Board Systems (BBS) through the Model Context Protocol. It features full ANSI terminal emulation, pattern-based screen reading, and automatic discovery of menus and navigation flows.

继续浏览同类 MCP

更多运维云端 MCP（13,854）返回 MCP 目录

上一个 MCP

MCP Bb Clj

一个基于babashka（Clojure）库实现的MCP协议服务器和客户端，提供数据操作和代码格式化等功能。

下一个 MCP

MCP Be450de3

全面解析MCP Server 0c3MCP Server的核心功能、安装配置和实用案例。作为顶级Model Context Protocol服务器，MCP Server 0c3能让AI助手访问实时数据、执行操作，为您提供更智能的工作体验和自动化解决方案。

MCP Bbs