振动驱动瀑布（VDW）编排器
*一个革命性的基于MCP的代理系统，实现了用于结构化软件开发的Vibe驱动瀑布方法*
  
🌟 概述
VDW编排器弥合了创造性“氛围驱动”的构思和有纪律、有条理的执行之间的差距。它建立在模型上下文协议（MCP）的基础上，实现了一种顺序编排模式，该模式由五个专门的代理组成，每个代理都利用高级推理能力处理软件开发生命周期的不同阶段。
革命性特征
🧠 高级推理：集成谷歌的Mangle演绎推理引擎，用于递归自我反思和依赖性分析
🔄 自我进化工具箱：用于自主能力扩展的动态工具综合和“MCP盒”
💬 对话蒸馏：将非结构化用户输入转化为结构化、可操作的实施计划
🤖 循环中的人类：使用MCP启发/请求原语的强制验证门
📊 统一存储器：用于全面项目工件跟踪的原子和债券架构
🏗️ 建筑
该系统实现了 顺序编排 通过高级认知能力增强模式：
核心阶段
- 第一阶段：情绪和要求 -通过对话提炼捕捉最初的“氛围”
- 第二阶段：建筑与设计 -创建具有推理验证的系统架构
- 第3阶段：技术规范 -制定详细的技术规格
- 第四阶段：实施 -生成具有依赖关系分析的生产就绪代码
- 第5阶段：验证和测试 -执行全面的测试和验证
增强架构组件
graph TD
subgraph User Interaction
A[User provides "vibe"]
I[User validates phase]
end
subgraph VDW Orchestrator Core
B(Orchestrator)
C(State Machine)
D(Event Bus)
E(Memory Store)
F(Tool Registry / MCP Box)
end
subgraph Reasoning Layer
G(Mangle Sidecar)
H(Conversation Distiller)
end
subgraph VDW Phase Agents
P1(Phase 1: Mood)
P2(Phase 2: Architecture)
P3(Phase 3: Specification)
P4(Phase 4: Implementation)
P5(Phase 5: Validation)
end
A -->|raw input| H
H -->|distilled structure| P1
P1 -->|mood JSON| B
B |gRPC| G
G -->|validates dependencies| B
G -->|queries| E
B --> C --> D --> F
F -->|provides tools| P1
F -->|provides tools| P2
F -->|provides tools| P3
F -->|provides tools| P4
F -->|provides tools| P5
B -->|elicitation| I
I -->|feedback| B📁 项目结构
vdw-orchestrator/
├── core/
│ ├── __init__.py
│ ├── orchestrator.py # VDWOrchestrator class
│ ├── state_machine.py # VDWStateMachine class
│ ├── models.py # Pydantic models
│ ├── event_bus.py # Redis-backed event bus
│ ├── memory_store.py # Atoms and Bonds memory
│ └── tool_registry.py # MCP Box implementation
├── reasoning/
│ ├── __init__.py
│ ├── mangle_client.py # gRPC client for Mangle
│ ├── conversation_distiller.py # Input distillation
│ └── self_reflection.py # Recursive learning
├── agents/
│ ├── __init__.py
│ ├── base_phase_agent.py # Base class for all phases
│ ├── phase_1_mood.py # Enhanced with distillation
│ ├── phase_2_architecture.py # Reasoning-enhanced design
│ ├── phase_3_specification.py # Specification generation
│ ├── phase_4_implementation.py # Dependency-aware coding
│ └── phase_5_validation.py # Comprehensive testing
├── prompts/
│ ├── phase_1_mood.md
│ ├── phase_2_architecture.md
│ ├── phase_3_specification.md
│ ├── phase_4_implementation.md
│ └── phase_5_validation.md
├── mangle/
│ ├── Dockerfile # Mangle reasoning sidecar
│ ├── reasoning_rules.dl # Datalog reasoning rules
│ └── grpc_server.go # gRPC reasoning service
├── docs/
│ ├── architecture.md
│ ├── implementation-blueprint.md
│ ├── research-findings.md
│ └── advanced-enhancements.md
├── tests/
│ ├── unit/
│ ├── integration/
│ └── e2e/
├── docker/
│ ├── docker-compose.yml # Full stack deployment
│ └── Dockerfile.orchestrator # Main orchestrator
├── database/
│ ├── schema.sql # SQLite schema for tool metadata
│ └── migrations/
├── main.py # MCP server entry point
├── requirements.txt
├── pyproject.toml
└── LICENSE🚀 实施路线图
第一阶段：增强核心基础设施（2-3周）
- ✅ 存储库设置和增强的项目结构
- 🔄 具有推理集成的核心Pydantic模型
- 🔄 Redis支持的EventBus，支持gRPC
- 🔄 具有Mangle验证的增强状态机
- 🔄 MCP Box工具注册表实现
第二阶段：推理层集成（3-4周）
- 🔄 Mangle sidecar部署和gRPC集成
- 🔄 第一阶段的对话蒸馏
- 🔄 基本依赖验证规则
- 🔄 带推理的两阶段概念证明
第三阶段：具有高级功能的完整五个阶段（4-5周）
- 🔄 具有推理能力的所有阶段代理
- 🔄 自我反思和跨项目学习
- 🔄 动态刀具合成和配准
- 🔄 带有原子和键的完整内存存储
第4阶段：生产硬化（3-4周）
- 🔄 全面的安全实施
- 🔄 具有编排功能的完全容器化
- 🔄 性能优化和监控
- 🔄 完整的测试套件和CI/CD
🏃♂️ 快速开始
先决条件
- Python 3.8+
- Docker和Docker Compose
- Redis（用于事件总线）
- Go 1.19+（适用于Mangle侧三轮）
安装
# Clone the repository
git clone https://github.com/yaboyshades/vdw-orchestrator.git
cd vdw-orchestrator
# Install Python dependencies
pip install -r requirements.txt
# Start the full stack with Docker Compose
docker-compose up -d
# Run the MCP server
python main.py基本用法
from vdw_orchestrator import VDWOrchestrator
# Initialize the orchestrator
orchestrator = VDWOrchestrator()
# Submit a new project with your "vibe"
project_id = await orchestrator.submit_project(
vibe="I want to build a social media app for developers to share code snippets"
)
# The orchestrator will guide you through all five phases
# with Human-in-the-Loop validation at each step📚 文档
🧪 高级功能
Mangle推理集成
该系统使用谷歌的Mangle演绎推理引擎：
- 递归自我反思：分析过去的项目成果，以改进未来的执行
- 相关性分析：验证阶段先决条件和工件完整性
- 目标分解：将复杂任务分解为可操作的子目标
动态工具合成
“MCP盒”启用：
- 自主工具创建：为特定项目需求生成专用工具
- 跨项目学习：重用以前项目中的成功工具
- 性能优化：跟踪工具使用情况并优化以获得更好的性能
对话蒸馏
将非结构化用户输入转换为：
- 逻辑段：群体相关概念和要求
- 依赖图：绘制因果关系和先决条件图
- 结构化输出：生成具有显式链接的层次结构要求
🤝 贡献
该项目实施了一种新颖的软件开发方法，结合了以下领域的前沿研究：
- 演绎推理系统
- 自主代理架构
- 对话理解
- 模型上下文协议集成
欢迎投稿！请确保所有更改都符合VDW方法论原则和先进的认知架构。
开发环境设置
# Install development dependencies
pip install -r requirements-dev.txt
# Run tests
pytest tests/
# Run linting
black . && flake8 .
# Start development stack
docker-compose -f docker-compose.dev.yml up📄 许可证
MIT许可证-请参阅 许可证 文件以获取详细信息。
🔗 参考文献
______________________________________________________________________
*内置❤️ 使用革命性的Vibe驱动瀑布方法*
“创造性直觉与有纪律的执行相结合”