CasioPlus MCP

CasioPlus MCP

An MCP server that connects the Casio Plus knowledge base (playbooks, architecture, learning resources) to AI clients, offering read-only search and validation tools along with controlled feedback intake and review workflows.

Category
访问服务器

README

CasioPlus MCP

MCP server برای اکوسیستم دانش و عملیات کاسیو‌پلاس
CasioPlus MCP Server for the Casio Plus knowledge-and-operations ecosystem

CasioPlus MCP یک سرور Model Context Protocol (MCP) است که مدل دانش، متدولوژی و دارایی‌های کاسیو‌پلاس را به ابزارهای هوش مصنوعی، عامل‌ها و هر رابط عملیاتیِ موردنیاز کاسیو متصل می‌کند.

این ریپو فورک FounderOS نیست و توپولوژی یا معماری کاسیو را از آن به ارث نمی‌گیرد. FounderOS صرفاً یک نمونهٔ الهام‌بخش است: نشان می‌دهد که یک نفر می‌تواند با یک UI ساده، دادهٔ ساختاریافته، Repository Layer، Agentها و اتصال‌های صادقانه، یک سیستم متناسب با نیاز خودش بسازد.

ما نیز همین اصل را برای کاسیو اجرا می‌کنیم: یک سیستم ساده، بومی، مرحله‌ای و دقیقاً منطبق با نیازهای خود کاسیو. نقش MCP یک لایهٔ توانمندساز است؛ دانشِ معتبر را بازیابی می‌کند، ساختار و کیفیت داده را بررسی می‌کند، و بازخورد عملیات را بدون آلودن مستقیم هستهٔ دانش به صف بررسی وارد می‌کند.


اصل معماری

Casio Knowledge Core                    CasioPlus MCP                  Clientهای مجاز کاسیو
────────────────────                    ─────────────                  ─────────────────────
کاسیو.yaml + Markdown       →       Tools / Resources / Prompts   →   AI / CLI / UI سبک
پلی‌بوک / رجیستری / SOP              Validation / Retrieval            فقط در صورت نیاز
منبع حقیقت دانش                       Controlled feedback intake              │
        ↑                                                                         │
        └──── Review + approval ← Feedback Intake Queue ←────────────────────────┘

قانون غیرقابل‌مذاکره

  • Knowledge Core منبع حقیقت است. در نسخهٔ اولیه: knowledge/casio.yaml و Markdownهای ساختاریافته.
  • MCP لایهٔ دسترسی و کنترل است. نه منبع حقیقت دوم.
  • Casio Operator لایهٔ تعامل و عملیات است. نه محل ساخت دانش سازمانی.
  • بازخورد عملیاتی با write مستقیم وارد مدل دانش نمی‌شود؛ ابتدا اعتبارسنجی، صف‌بندی، بررسی انسانی و سپس ادغام نسخه‌ای می‌شود.

مسئله‌ای که حل می‌کند

کاسیو‌پلاس هم‌اکنون شامل این مؤلفه‌هاست:

  • ۵۶ پلی‌بوک و راهنمای اجرایی، با مالک، سطح HEGAM، وابستگی و مسیر بازگشت داده؛
  • ۱۰ مستند عملیاتی واقعی؛
  • ۶ زیرسیستم: زیرساخت دانش، فروش و بازاریابی، محتوا و کانال بله، آموزش و کوچینگ، پایش و ارزیابی، اکوسیستم و مشارکت رشد؛
  • برنامهٔ ۹ جلسه‌ای، ۸ نقش استاندارد و ۶ قالب دارایی؛
  • مدل Casio Metric، کوچینگ، سفیران، مشارکت رشد و Data Cleaning Gate.

بدون یک Gateway، عامل‌ها و داشبوردها یا به دادهٔ خام و پراکنده متصل می‌شوند، یا نسخه‌های متفاوتی از «حقیقت» می‌سازند. CasioPlus MCP این مرز را استاندارد می‌کند.


اصول طراحی CasioPlus

  1. Need-first، نه framework-first: هیچ قابلیت فقط چون FounderOS یا ابزار دیگری دارد وارد محصول نمی‌شود؛ هر قابلیت باید یک مسئلهٔ واقعی کاسیو، مالک، خروجی و مسیر بازگشت داده داشته باشد.
  2. ساده‌ترین برش قابل استفاده: ابتدا کوچک‌ترین Tool/Resource MCP که یک کار واقعی را حل می‌کند؛ نه داشبورد یا معماری بزرگ پیش از نیاز.
  3. توپولوژی کاسیو ثابت می‌ماند: MCP به هستهٔ دانش و معماری HEGAM خدمت می‌کند؛ آن را جایگزین یا بازچینی نمی‌کند.
  4. دانش قبل از اتوماسیون: تا وقتی پلی‌بوک، مدل داده، مالک و معیار پذیرش روشن نشده، اتوماسیون ساخته نمی‌شود.
  5. Read-first، Write-guarded: بازیابی دانش کم‌ریسک است؛ نوشتن، انتشار یا اجرای عملیات نیازمند گیت کیفیت، مجوز و ردپای ممیزی است.
  6. Scale to reality: ابزار فقط به اندازهٔ پیچیدگی واقعی کاسیو رشد می‌کند؛ از YAML/Markdown شروع می‌کند و تنها هنگام نیاز به DB، Queue، RBAC یا UI بزرگ‌تر ارتقا می‌یابد.

دامنهٔ نسخهٔ اول (MVP)

منابع MCP (Resources)

URI پیشنهادی کاربرد
casio://knowledge/model مدل جنرال HEGAM و قواعد کاسیو
casio://playbooks فهرست همهٔ پلی‌بوک‌ها
casio://playbooks/{id} یک پلی‌بوک با مثال، مدل داده و وابستگی‌ها
casio://architecture ۶ زیرسیستم و جریان داده
casio://learning/program ۹ جلسه، نقش‌ها و قالب‌ها
casio://documents فهرست و خلاصهٔ مستندات واقعی
casio://gaps دارایی‌های برچسب‌خورده با لازم یا توسعه

ابزارهای MCP (Tools)

Tool حالت شرح
search_playbooks Read جست‌وجوی پلی‌بوک بر اساس دامنه، نقش، سطح، وضعیت یا متن
get_playbook Read دریافت پلی‌بوک کامل با وابستگی‌ها و مثال اجرایی
get_architecture Read دریافت نقشهٔ زیرسیستم‌ها و جریان داده
get_learning_path Read مسیر آموزشی بر اساس نقش یا سطح HEGAM
validate_record Validate بررسی کامل‌بودن، تکرار، اعتبار، یکدستی و منشأ داده
submit_feedback_intake Write-to-queue ثبت کنترل‌شدهٔ بازخورد میدان در صف بررسی؛ بدون نوشتن مستقیم در Knowledge Core
list_review_queue Read مشاهدهٔ آیتم‌های منتظر بررسی
review_feedback Controlled write تأیید یا رد بازخورد؛ تأیید فقط برای رکورد validated مجاز است
list_version_proposals Read مشاهدهٔ پیشنهادهای نسخه‌ای منتظر ادغام انسانی
list_audit_events Read مشاهدهٔ ردپای ممیزی بررسی و پیشنهادها

Promptهای MCP

Prompt هدف
design_playbook ساخت پیش‌نویس پلی‌بوک بر مبنای HEGAM و یک مسئلهٔ کسب‌وکار
analyze_system_gap تشخیص شکاف «داریم/لازم/توسعه» در یک دامنه
prepare_coaching_session طراحی جلسهٔ کوچینگ با گلوگاه، Action Plan و معیار موفقیت
review_feedback تبدیل بازخورد خام به رکورد قابل بررسی و تصمیم
build_automation_spec تولید مشخصات اتوماسیون، با ورودی/خروجی/خطا/معیار پذیرش

Data Quality Gate

هر دادهٔ بیرونی قبل از ورود به feedback_intake از این گیت عبور می‌کند:

raw → validate → quarantined / rejected / validated → review → approved → versioned knowledge change
کنترل پرسش
Completeness فیلدهای اجباری کامل‌اند؟
Duplicates رکورد مشابه یا شناسهٔ تکراری وجود دارد؟
Validity مقدار در بازه/فرمت معتبر است؟
Consistency نقش، کد، تاریخ و وضعیت با استاندارد کاسیو یکدست‌اند؟
Provenance منبع، زمان و ثبت‌کننده روشن است؟
Authorization ثبت‌کننده برای این دامنه مجاز است؟

وضعیت کیفیت هر رکورد:

quality_status: raw | quarantined | validated | rejected

مدل دسترسی پیشنهادی

نسخهٔ محلی می‌تواند با stdio و بدون شبکه اجرا شود. در استقرار شبکه‌ای، Shared Token فورک FounderOS برای کاسیو کافی نیست.

نقش دسترسی نمونه
معمار سیستمسازی ساختار دانش، Canvas، MOC
طراح متدولوژی پیش‌نویس و نسخهٔ پلی‌بوک/قالب
تحلیلگر داده مدل داده، رجیستری، کیفیت داده
مدیر حافظه داده بازبینی و ادغام بازخورد
مالک اتوماسیون Spec و اجرای workflow تأییدشده
ناظر انطباق سیاست، ممیزی، تأیید نهایی
کوچ فرایند ثبت مشاهده و بازخورد میدان

اصل امنیتی: Agentها در فاز اول فقط read و recommend دارند. هر اقدام حساس (ارسال پیام، تغییر CRM، انتشار محتوا، تغییر مالی، یا write به هستهٔ دانش) به تأیید انسان و Audit Log نیاز دارد.


ساختار ریپو

casio-plus-mcp/
├── knowledge/
│   └── casio.yaml              # منبع فعلی مدل دانش کاسیو‌پلاس
├── src/
│   ├── server.ts               # MCP server با ابزارهای دانش/کیفیت/Review
│   ├── knowledge-store.ts      # Adapter برای YAML / Markdown / DB
│   ├── quality.ts              # Data Quality Gate
│   ├── intake-store.ts         # صف محلی بازخورد
│   ├── audit-store.ts          # ردپای ممیزی
│   └── proposal-store.ts       # پیشنهادهای نسخه‌ای
├── studio/                     # Prototype سبک Web/PWA responsive
│   ├── src/
│   └── public/casio.json
├── operator/                   # CasioPlus Command Core؛ مبتنی بر FounderOS (MIT)
│   ├── app/                    # Next.js Operator UI
│   ├── components/             # Shell، Graph، Palette، Agent/Workflow UI
│   ├── lib/casio-knowledge.ts  # Adapter مدل کاسیو
│   ├── knowledge/casio.yaml
│   └── NOTICE.md               # attribution مربوط به upstream
├── tests/
├── docs/
├── package.json
└── README.md

FounderOS: منبع الهام، نه قالب اجباری

FounderOS برای کاسیو‌پلاس یک reference implementation است، نه وابستگی معماری. از آن این الگوها را می‌آموزیم:

الهام تفسیر بومی برای کاسیو‌پلاس
یک سازنده، سیستم متناسب با نیاز واقعی خود ساخته است کاسیو هم از نیازهای واقعی خودش شروع می‌کند: پلی‌بوک، کوچینگ، Casio Metric، سفیران، محتوا و حافظه دانش
Repository Layer دادهٔ UI از منبع حقیقت جدا می‌ماند؛ اما قراردادها و مدل داده را خود کاسیو تعریف می‌کند
Seeded demo + اتصال صادقانه توسعه مرحله‌ای با دادهٔ نمونه/واقعی کاسیو؛ هیچ اتصال یا قابلیتِ جعلی سبز نمی‌شود
Knowledge graph و Agent skills گراف دانشِ پلی‌بوک‌ها و مهارت‌های Agent بر پایه HEGAM، نه مدل دامنه‌ای FounderOS
ابزارهای کوچک و قابل اجرا هر قابلیت کاسیو یک ابزار کوچک، قابل آزمون و دارای خروجی روشن می‌شود

هیچ صفحه، دیتابیس، connector، نقش سازمانی یا جریان کاریِ FounderOS به‌صورت پیش‌فرض وارد کاسیو‌پلاس نمی‌شود. هر کدام فقط زمانی ساخته/اتصال داده می‌شود که یک نیاز واقعی کاسیو، مالک مشخص، خروجی قابل سنجش و مسیر بازگشت داده داشته باشد.

اگر در آینده یک داشبورد یا ابزار عملیاتی لازم باشد، می‌تواند یک UI بومی CasioPlus یا هر ابزار دیگری باشد. MCP به یک محصول رابط خاص قفل نمی‌شود.


نقشهٔ راه

Phase 0 — Foundation

  • [x] ایجاد مدل کاسیو.yaml
  • [x] استخراج مستندات کاسیو
  • [x] مدل HEGAM، معماری، آموزش و کیس‌استادی
  • [x] ایجاد اسکلت این ریپو و README

Phase 1 — Read-only MCP

  • [x] TypeScript + رسمی MCP SDK
  • [x] YAML Knowledge Store
  • [x] Resourceهای model, playbooks, architecture, learning
  • [x] Toolهای search_playbooks, get_playbook, get_architecture
  • [x] تست قراردادها و schema validation

Phase 2 — Quality & Feedback

  • [x] validate_record
  • [x] JSON-based local feedback intake queue (نسخهٔ سبک محلی)
  • [x] Data Quality Gate: completeness، reference، provenance، duplicate detection
  • [x] Audit log و review workflow نسخه‌ای

Phase 3 — Review، Audit و Version Proposal

  • [x] تأیید/رد بازخورد با شرط validated
  • [x] Audit Log محلی و immutable-style
  • [x] Version Proposal مستقل با base knowledge version
  • [x] ممنوعیت تغییر مستقیم casio.yaml

Phase 4 — CasioPlus Command Core

  • [x] واردکردن کامل FounderOS-DEMO تحت مجوز MIT و attribution حفظ‌شده
  • [x] Shell واقعی Next.js، Command Palette، Graph، Agent/Skill/Workflow stack و Test Stack
  • [x] جایگزینی صفحهٔ اصلی با CasioPlus Command Core بر پایهٔ ۵۶ پلی‌بوک و ۶ دامنهٔ واقعی
  • [x] Adapter بومی lib/casio-knowledge.ts برای مدل کاسیو
  • [x] تزریق اولیهٔ دادهٔ بومی کاسیو در Repository Layer: ۶ Department، ۸ Agent، نقش‌های انسانی، SOP، Domain، Metric و Roadmap
  • [x] تزریق Casio Metric: قرارداد داده، ذخیره‌ساز محلی، API GET/POST /api/casio-metric و route واقعی /analytics
  • [x] workflow کوچینگ در /tasks: قرارداد جلسه، گلوگاه، آمادگی، Action Plan، API GET/POST /api/coaching-sessions
  • [x] Funnel بومی در /funnel: مدل چهارمرحله‌ای کمپین و Campaign Sheet بر پایه پلی‌بوک‌های واقعی
  • [x] Content Engine بومی در /content: شش فرمت محتوا و دارایی‌های کانال بله
  • [x] RBAC Policy Layer: ۹ نقش HEGAM، permissionهای صریح و enforcement روی APIهای Metric و Coaching
  • [x] SSO Adapter: هویت امضاشدهٔ IdP/Reverse Proxy، timestamp validation و اتصال actor واقعی به RBAC
  • [ ] پیکربندی IdP production (Keycloak / Authentik / Cloudflare Access)
  • [x] Agent Approval Gate و Automation Spec Registry: draft → pending_approval → approved/rejected → execution allowed
  • [x] Automation Runtime: اجرای policy-gated برای Spec تأییدشده و ثبت Automation Run Log

توسعهٔ محلی

MCP و HTTP Bridge

npm install
npm run check          # typecheck + tests
npm run start:stdio    # اجرای MCP با stdio برای MCP Clientها
npm run start:http     # اجرای Bridge محلی برای Studio روی پورت 4110

نصب امن Operator

cd operator
npm install
npm run setup:casio

Wizard فقط در ترمینال تعاملی اجرا می‌شود، credential نمی‌پرسد، network call ندارد و SSO را فعال نمی‌کند. جزئیات در operator/docs/safe-setup.md است.

CasioPlus Studio

cd studio
npm install
npm run dev            # Studio روی http://127.0.0.1:4173

در محیط توسعه، Vite درخواست‌های /api/* را به HTTP Bridge روی پورت 4110 proxy می‌کند. اگر Bridge در دسترس نباشد، Studio برای نمایش read-only به public/casio.json برمی‌گردد.

ابزارهای قابل استفاده در نسخهٔ فعلی

  • search_playbooks
  • get_playbook
  • get_architecture
  • get_learning_path

منابع MCP فعلی:

  • casio://knowledge/summary
  • casio://playbooks/{id}

منابع مفهومی

  • HEGAM / Casio Plus: مدل دانش داخلی کاسیو‌پلاس در knowledge/casio.yaml
  • FounderOS-DEMO: https://github.com/Bennettxai/FounderOS-DEMO
  • Model Context Protocol: https://modelcontextprotocol.io/
  • ISO 30401: سیستم مدیریت دانش
  • Zettelkasten / SECI / ADDIE: مبانی دانش، یادگیری و دارایی‌سازی در مدل کاسیو

وضعیت

Repository status: Foundation + MCP Core + HTTP Bridge + CasioPlus Studio complete
Implementation status: MCP و HTTP Bridge از یک Core مشترک برای دانش، کیفیت و Review استفاده می‌کنند؛ Studio دادهٔ زنده را از Bridge می‌خواند و برای حالت آفلاین snapshot دارد.
Next step: قرارداد داده و داشبورد Casio Metric/کوچینگ.

推荐服务器

Baidu Map

Baidu Map

百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。

官方
精选
JavaScript
Playwright MCP Server

Playwright MCP Server

一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。

官方
精选
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。

官方
精选
本地
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

官方
精选
本地
TypeScript
VeyraX

VeyraX

一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。

官方
精选
本地
graphlit-mcp-server

graphlit-mcp-server

模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。

官方
精选
TypeScript
Kagi MCP Server

Kagi MCP Server

一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

官方
精选
Python
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

Exa MCP Server

模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。

官方
精选