mcp语言基础推理
一种模型上下文协议(MCP)服务器,提供由Langbase Pipes支持的结构化推理能力。用Rust编写,具有SQLite持久性。
特性
- 12种推理模式 -线性、树、发散、反射、回溯、自动选择、思维图、决策框架、证据评估、时间线、MCTS和反事实
- 推理时间机器 -基于时间线的探索、MCTS引导的搜索、反事实的“假设”分析
- 5个工作流程预设 -代码审查、调试、架构决策、战略决策和基于证据的结论
- 认知分析 -偏差检测和逻辑谬误识别
- 自主自我提升 -带安全控制的4相优化回路(监视器→ 分析器→ 执行者→ 学员)
- 会话保持 -SQLite存储会话、想法、分支、检查点和时间线
- 生产就绪 -2000+测试、异步I/O、重试逻辑、结构化错误处理
快速开始
先决条件
- 锈蚀1.70+
- 具有API密钥的Langbase帐户
安装
git clone https://github.com/quanticsoul4772/mcp-langbase-reasoning.git
cd mcp-langbase-reasoning
# Configure environment
cp .env.example .env
# Edit .env: set LANGBASE_API_KEY=your_key
# Build
cargo build --release
配置MCP客户端
添加到Claude桌面配置(claude_desktop_config.json):
{
"mcpServers": {
"langbase-reasoning": {
"command": "/path/to/mcp-langbase-reasoning",
"env": {
"LANGBASE_API_KEY": "your_api_key"
}
}
}
}
可用工具
核心推理
| 工具 | 说明 |
|---|
reasoning_linear | 顺序逐步推理 |
reasoning_tree | 2-4条路径的分支探索 |
reasoning_divergent | 创造性多视角推理 |
reasoning_reflection | 元认知分析与改进 |
reasoning_auto | 自动模式选择 |
树导航
| 工具 | 说明 |
|---|
reasoning_tree_focus | 专注于某一特定分支 |
reasoning_tree_list | 列出所有分支 |
reasoning_tree_complete | 将分支标记为已完成/已放弃 |
检查点
| 工具 | 说明 |
|---|
reasoning_checkpoint_create | 保存推理状态 |
reasoning_checkpoint_list | 列出检查点 |
reasoning_backtrack | 恢复并探索替代方案 |
思想图谱
| 工具 | 说明 |
|---|
reasoning_got_init | 初始化推理图 |
reasoning_got_generate | 生成多样化的延续 |
reasoning_got_score | 评分节点质量 |
reasoning_got_aggregate | 将节点合并到洞察中 |
reasoning_got_refine | 通过自我批评提高 |
reasoning_got_prune | 删除得分较低的节点 |
reasoning_got_finalize | 提取结论 |
reasoning_got_state | 获取图形结构 |
决策与证据
| 工具 | 说明 |
|---|
reasoning_make_decision | 多准则决策分析 |
reasoning_analyze_perspectives | 利益相关者分析 |
reasoning_assess_evidence | 证据质量评估 |
reasoning_probabilistic | 贝叶斯概率更新 |
时间机器
| 工具 | 说明 |
|---|
reasoning_timeline_create | 创建新的推理时间线 |
reasoning_timeline_branch | 从任何检查点分支 |
reasoning_timeline_compare | 比较各分支机构的结果 |
reasoning_timeline_merge | 整合来自多个分支的见解 |
reasoning_mcts_explore | MCTS引导下的UCB平衡勘探 |
reasoning_auto_backtrack | 通过质量评估进行自我回溯 |
reasoning_counterfactual | “如果?”对过去推理的分析 |
认知分析
| 工具 | 说明 |
|---|
reasoning_detect_biases | 识别认知偏差 |
reasoning_detect_fallacies | 检测逻辑谬误 |
工作流预设
| 工具 | 说明 |
|---|
reasoning_preset_list | 列出可用预设 |
reasoning_preset_run | 执行工作流预设 |
内置预设: code-review, debug-analysis, architecture-decision, strategic-decision, evidence-based-conclusion
配置
必需
| 变量 | 描述 |
|---|
LANGBASE_API_KEY | 您的Langbase API密钥 |
可选的
| 变量 | 默认值 | 描述 |
|---|
DATABASE_PATH | ./data/reasoning.db | SQLite位置 |
LOG_LEVEL | info | 记录冗长 |
REQUEST_TIMEOUT_MS | 30000 | HTTP超时 |
MAX_RETRIES | 3 | API重试次数 |
自我完善体系
该服务器包括一个自主的自我改进循环,用于监控系统健康状况、诊断问题、执行安全优化并从结果中学习。请参阅 建筑 系统概览图。
| 阶段 | 功能 |
|---|
| 监视器 | 收集指标(错误率、延迟、质量),维护基线,检测异常 |
| 分析器 | 使用Langbase管道诊断根本原因,生成行动建议 |
| 执行者 | 验证针对同种异体的操作,安全执行,监控回归 |
| 学习者 | 计算奖励,跟踪行动效果,综合经验教训 |
安全功能
- 始终启用 -自我提升持续不断
- 断路器 -连续故障后停止(默认值:5)
- 行动许可表 -只允许有界、预先批准的参数更改
- 速率限制 -每小时最大操作数(默认值:10)
- 自动回滚 -还原导致回归的更改
- 冷却期 -操作之间的最短时间(默认值:60秒)
- AI验证 -决策偏差和谬误检测
配置
| 变量 | 默认值 | 描述 |
|---|
SI_MAX_ACTIONS_PER_HOUR | 10 | 每小时最大操作数 |
SI_COOLDOWN_SECS | 60 | 动作之间的冷却 |
SI_REQUIRE_APPROVAL | false | 需要人工批准 |
SI_ROLLBACK_ON_REGRESSION | true | 降级时自动回滚 |
SI_CIRCUIT_BREAKER_THRESHOLD | 5 | 电路断开前的故障 |
SI_ERROR_RATE_THRESHOLD | 0.1 | 错误率触发器(10%) |
SI_LATENCY_THRESHOLD_MS | 5000 | P95延迟触发器 |
SI_QUALITY_THRESHOLD | 0.7 | 最低质量分数 |
允许的操作
系统只能调整预定义的安全参数:
| 参数 | 范围 | 最大步长 |
|---|
REQUEST_TIMEOUT_MS | 5,000-60,000 | 5,000 |
MAX_RETRIES | 1-10 | 2 |
RETRY_DELAY_MS | 100-5,000 | 500 |
REFLECTION_QUALITY_THRESHOLD | 0.5-0.95 | 0.05 |
MAX_CONCURRENT_REQUESTS | 1-20 | 2 |
CONNECTION_POOL_SIZE | 1-50 | 5 |
CLI命令
# View system status
cargo run -- self-improve status
# View action history
cargo run -- self-improve history
# Enable/disable the system
cargo run -- self-improve enable
cargo run -- self-improve disable
# Pause temporarily
cargo run -- self-improve pause --duration 1h
# View current configuration
cargo run -- self-improve config
# Force a health check
cargo run -- self-improve check
# Rollback last action
cargo run -- self-improve rollback
输出示例
$ cargo run -- self-improve status
Self-Improvement System Status
==============================
Enabled: true
Circuit State: closed
Consecutive Fails: 0
In Cooldown: false
Actions This Hour: 3/10
Total Cycles: 47
Total Successes: 42
Total Rollbacks: 2
Last Cycle: 2025-12-26T10:30:00Z
建筑
┌─────────────┐ stdio ┌──────────────────┐ HTTPS ┌─────────────────┐
│ MCP Client │◄──────────────►│ mcp-langbase- │◄─────────────►│ Langbase Pipes │
│ (Claude) │ JSON-RPC │ reasoning │ │ (8 pipes) │
└─────────────┘ └────────┬─────────┘ └─────────────────┘
│ ▲
│ │
▼ │
┌──────────────────┐ │
│ SQLite │ │
│ sessions, │ │
│ thoughts, │ │
│ graphs, │ │
│ metrics │ │
└────────┬─────────┘ │
│ │
┌───────────────────┴───────────────────┐ │
│ Self-Improvement Loop │ │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ diagnosis │
│ │ Monitor │→│ Analyze │→│ Execute │──┼──────────────┘
│ └────┬────┘ └─────────┘ └────┬────┘ │
│ │ ┌─────────┐ │ │
│ └──────│ Learn │◄─────┘ │
│ └─────────┘ │
└───────────────────────────────────────┘
发展
cargo build # Debug build
cargo build --release # Release build
cargo test # Run all 2000+ tests
cargo clippy -- -D warnings # Lint (0 warnings)
cargo llvm-cov # Generate coverage report
项目结构
src/
├── main.rs # Entry point
├── config/ # Environment configuration
├── error/ # Structured error types
├── langbase/ # Langbase API client
├── modes/ # 12 reasoning implementations
│ ├── timeline.rs # Timeline management
│ ├── mcts.rs # MCTS exploration
│ └── counterfactual.rs # "What if" analysis
├── presets/ # Workflow preset system
├── self_improvement/ # Autonomous optimization
├── server/ # MCP protocol handling
└── storage/ # SQLite persistence
docs/
├── API_REFERENCE.md # Complete tool documentation
├── ARCHITECTURE.md # Technical design
├── LANGBASE_API.md # Pipe integration
└── REASONING_TIME_MACHINE.md # Time Machine design
许可证
麻省理工学院