返回 MCP 目录
public公开dns本地运行

mindmesh-mcp-server

一个基于量子场计算模型的Claude多实例协同推理服务器,通过场一致性优化实现增强型AI推理能力。

article

README

🚀 MindMesh MCP 服务器

MindMesh MCP 服务器是基于模型上下文协议 (MCP) 的实现方案,它创建了一个量子启发式的群集,由多个 Claude 3.7 Sonnet 实例构成,并具备场相干性优化功能。该服务器借助多 specialist LLM 实例协同作业,显著增强了推理能力。

🚀 快速开始

MindMesh MCP 服务器可通过多 specialist LLM 实例协同工作,提供增强的推理能力。以下为你介绍其使用步骤。

✨ 主要特性

  • 量子启发式场计算:运用基于场模型,有效保持 Claude 实例之间的相干性。
  • WebContainer 集成:提供完整的栈沙盒化执行环境。
  • PGLite 向量存储:作为高效向量数据库,集成了 pgvector 扩展。
  • 多 specialist Claude 实例:各实例分别专注于模式识别、信息综合和推理。
  • 相干性优化:能在多个实例的输出中挑选最相干的结果。
  • 扩展思考支持:可选择 128k 核心扩展思考能力。
  • 实时查询更新:通过 PGLite 的实时扩展,提供实时相干性通知。
  • VoyageAI 嵌入式模型:采用 VoyageAI 先进的模型(voyage - 3 - large)生成高质量嵌入。

📦 安装指南

先决条件

  • Node.js 18.x 或更高版本。
  • 具备访问 Claude 3.7 Sonnet 权限的 Anthropic API 密钥。
  • VoyageAI API 密钥(可选但推荐,以获得更好的嵌入式效果)。

安装步骤

  1. 克隆此仓库:
    git clone https://github.com/wheattoast11/mcp-mindmesh.git
    cd mcp-mindmesh
    
  2. 安装依赖项:
    npm install
    
  3. 通过模板创建 .env 文件:
    cp .env.template .env
    
  4. 编辑 .env 文件,添加您的 Anthropic API 密钥、VoyageAI API 密钥(可选),并根据需要调整其他设置。

💻 使用示例

基础用法

按照以下步骤配置和运行服务器:

  1. 编辑配置文件
    • 打开 config.json 文件。
    • 配置必要的参数,例如 API 密钥、端点和其他高级选项。
  2. 安装依赖项
    npm install
    
  3. 构建项目
    npm run build
    
  4. 启动服务器
    npm start
    

📚 详细文档

环境变量

| 属性 | 详情 | |------|------| | NODE_ENV | 设置运行环境,例如 development 或 production。默认为 development。 | | PORT | 服务器监听的端口,默认为 3000。 | | ANTHROPIC_API_KEY | Anthropic Claude API 的密钥。 | | VOYAGEAI_API_KEY | VoyageAI 嵌入式模型的密钥(可选)。 |

测试

要测试服务器,请运行以下命令:

npm test

📄 许可证

本项目采用 MIT 许可证。

致谢

此项目使用了以下技术:

help

运行方式说明

cloud

托管运行

托管运行通常表示这个 MCP Server 由服务方环境承载,用户一般按页面提供的连接方式或授权流程接入,不需要在本地长期启动一个 MCP 进程

  1. 打开服务方连接页
  2. 完成授权或复制端点
  3. 在 MCP 客户端中连接
terminal

本地运行 / 其它方式

本地运行通常需要用户在自己的电脑或服务器上安装依赖,把 server_config 复制到 MCP 客户端,并按 env_schema 补齐环境变量、密钥或其它配置

  1. 复制 server_config
  2. 安装所需依赖
  3. 补齐环境变量后重启客户端