Cerebra Legal MCP Server

Cerebra Legal MCP Server

一个企业级 MCP 服务器,提供专门用于法律推理和分析的工具,自动检测法律领域,并提供特定领域的指导、模板和引文格式。

Category
访问服务器

README

Cerebra Legal MCP 服务器

一个企业级的 MCP 服务器,用于基于 Anthropic 工程博客 中“think”工具概念的法律推理和分析。

概述

Cerebra Legal 提供了三个强大的法律推理和分析工具:

  1. legal_think - 一种结构化的法律推理工具,可帮助分析复杂的法律问题,并提供特定领域的指导和模板。
  2. legal_ask_followup_question - 一种专门用于在法律环境中提出后续问题的工具,具有特定领域的选项。
  3. legal_attempt_completion - 一种用于以适当的结构和引文格式呈现法律分析结果的工具。

该服务器自动检测法律领域(ANSC 争议、消费者保护、合同分析),并提供特定领域的指导、模板和反馈。

特性

  • 领域检测:自动识别分析的法律领域
  • 领域特定指导:为不同的法律领域提供量身定制的指导
  • 结构化模板:为法律分析提供特定领域的模板
  • 引文格式化:正确格式化法律引文
  • 思想质量分析:提供关于法律推理质量的反馈
  • 修订支持:允许修订先前的想法

安装

# 克隆仓库
git clone https://github.com/yoda-digital/mcp-cerebra-legal-server.git
cd mcp-cerebra-legal-server

# 安装依赖
npm install

# 构建项目
npm run build

使用

运行服务器

npm start

测试服务器

该仓库包含一个测试客户端,演示了如何与服务器交互:

# 使测试客户端可执行
chmod +x test-client.js

# 运行测试客户端
./test-client.js

测试客户端将:

  1. 启动服务器
  2. 发送一个 tools/list 请求以获取可用工具
  3. 发送一个带有示例想法的 legal_think 请求
  4. 显示服务器的响应

添加到 Claude

要将服务器添加到 Claude,请使用以下配置更新您的 MCP 设置文件:

对于 VSCode 扩展

编辑文件 ~/.config/Code/User/globalStorage/rooveterinaryinc.roo-cline/settings/cline_mcp_settings.json

{
  "mcpServers": {
    "cerebra-legal": {
      "command": "node",
      "args": ["/path/to/mcp-cerebra-legal-server/build/index.js"],
      "disabled": false,
      "alwaysAllow": []
    }
  }
}

对于 Claude 桌面应用

编辑文件 ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) 或您平台上的等效文件:

{
  "mcpServers": {
    "cerebra-legal": {
      "command": "node",
      "args": ["/path/to/mcp-cerebra-legal-server/build/index.js"],
      "disabled": false,
      "alwaysAllow": []
    }
  }
}

在 Claude 中使用工具

将服务器添加到 Claude 后,您可以在对话中使用这些工具:

系统提示集成

为了使 AI 与这些法律工具进行最佳交互,必须在系统提示中包含适当的指导。这些工具遵循与标准 Cline 工具相同的 AI → 人类交互模型,但具有特定领域的增强功能。

系统提示应包括每个工具的详细文档:

## legal_think
描述:一种结构化的法律推理工具,可帮助分析复杂的法律问题,并提供特定领域的指导和模板。该工具支持逐步法律分析,并提供关于推理质量的反馈。

参数:
- thought: (必需) 当前的法律推理步骤
- thoughtNumber: (必需) 序列中的当前想法编号
- totalThoughts: (必需) 估计需要的总想法数
- nextThoughtNeeded: (必需) 是否需要另一个想法步骤
- category: (可选) 法律领域类别(如果未提供,则自动检测)
- references: (可选) 法律参考文献数组
- isRevision: (可选) 这是否修订了先前的想法
- revisesThoughtNumber: (可选) 正在重新考虑哪个想法
- requestGuidance: (可选) 是否请求特定领域的指导
- requestTemplate: (可选) 是否请求特定领域的模板

用法:
<legal_think>
<thought>您的法律推理步骤</thought>
<thoughtNumber>当前想法编号</thoughtNumber>
<totalThoughts>估计的总想法数</totalThoughts>
<nextThoughtNeeded>true 或 false</nextThoughtNeeded>
<category>法律领域(可选)</category>
<references>参考文献数组(可选)</references>
<isRevision>true 或 false(可选)</isRevision>
<revisesThoughtNumber>正在修订的想法编号(可选)</revisesThoughtNumber>
<requestGuidance>true 或 false(可选)</requestGuidance>
<requestTemplate>true 或 false(可选)</requestTemplate>
</legal_think>

## legal_ask_followup_question
描述:向用户提出一个法律领域特定的问题,以收集完成任务所需的其他信息。该工具通过法律领域检测、术语格式化和领域特定的建议选项来增强标准的 ask_followup_question。

参数:
- question: (必需) 要问用户的问题。这将自动使用适当的法律术语进行增强。
- options: (可选) 供用户选择的 2-5 个选项的数组。如果未提供,将自动建议特定领域的选项。
- context: (可选) 有助于领域检测和问题格式化的其他上下文。

用法:
<legal_ask_followup_question>
<question>您的问题</question>
<options>
选项数组(可选),例如 ["选项 1", "选项 2", "选项 3"]
</options>
<context>有助于领域检测的其他上下文(可选)</context>
</legal_ask_followup_question>

## legal_attempt_completion
描述:以适当的法律结构和格式向用户展示您的工作成果。该工具通过法律领域检测、文档结构化和引文格式化来增强标准的 attempt_completion。

参数:
- result: (必需) 任务的结果。这将自动使用适当的法律结构进行格式化。
- command: (可选) 要执行的 CLI 命令,以向用户展示结果的实时演示。
- context: (可选) 有助于领域检测和结果格式化的其他上下文。

用法:
<legal_attempt_completion>
<result>
您的最终结果描述
</result>
<command>演示结果的命令(可选)</command>
<context>有助于领域检测的其他上下文(可选)</context>
</legal_attempt_completion>

此指导确保 AI 了解:

  1. 这些是标准工具的专门版本
  2. 它们保持相同的 AI → 人类交互流程
  3. 它们具有额外的功能和参数
  4. 如何正确格式化工具调用

如果没有此指导,AI 可能无法充分利用这些工具中内置的特定领域的功能。

1. 使用 legal_think

legal_think 工具可帮助您通过结构化思维分析复杂的法律问题:

我需要分析一个 ANSC 争议,其中索赔人辩称招标中的技术规范过于严格。

Claude 将使用 legal_think 工具来:

  • 检测法律领域(ANSC 争议)
  • 提供特定领域的指导
  • 提供用于分析的结构化模板
  • 提供关于法律推理质量的反馈
  • 支持修订先前的想法

2. 使用 legal_ask_followup_question

当 Claude 需要更多信息来完成法律分析时:

技术规范的哪些具体条款受到质疑?

Claude 将使用 legal_ask_followup_question 工具来:

  • 使用适当的法律术语格式化问题
  • 提供特定领域的选项供用户选择
  • 检测法律领域以进行上下文相关的提问

3. 使用 legal_attempt_completion

当 Claude 准备好展示最终的法律分析时:

根据我的分析,要求“至少 5 年经验”的技术规范似乎不成比例,并且可能违反了关于公共采购的第 131/2015 号法律第 33(2) 条。

Claude 将使用 legal_attempt_completion 工具来:

  • 使用适当的法律结构格式化结论
  • 提取和格式化法律引文
  • 将分析组织成清晰的部分
  • 提供专业的法律文档格式

工具输入模式

legal_think

{
  "thought": "分析 ANSC 争议,其中索赔人辩称技术规范过于严格。",
  "thoughtNumber": 1,
  "totalThoughts": 5,
  "nextThoughtNeeded": true,
  "category": "ansc_contestation",  // 可选,如果未提供,则自动检测
  "references": ["Law 131/2015", "ANSC Decision #12345"],  // 可选
  "isRevision": false,  // 可选
  "revisesThoughtNumber": null,  // 可选
  "requestGuidance": true,  // 可选
  "requestTemplate": true  // 可选
}

legal_ask_followup_question

{
  "question": "技术规范的哪些具体条款受到质疑?",
  "options": [  // 可选,如果未提供,则自动生成
    "您是否质疑经验要求?",
    "您是否质疑技术能力要求?",
    "您是否质疑财务要求?",
    "您是否质疑认证要求?"
  ],
  "context": "关于 IT 设备采购的 ANSC 争议"  // 可选
}

legal_attempt_completion

{
  "result": "根据对 ANSC 争议 #12345 的分析,要求“至少 5 年经验”的技术规范似乎不成比例,并且可能违反了关于公共采购的第 131/2015 号法律第 33(2) 条。",
  "command": null,  // 可选
  "context": "ANSC 争议分析"  // 可选
}

架构

该服务器采用模块化架构构建:

  • 领域检测器:识别分析的法律领域
  • 法律知识库:提供特定领域的指导和模板
  • 引文格式化器:正确格式化法律引文
  • 工具实现:处理每个工具的逻辑

开发

项目结构

mcp-cerebra-legal-server/
├── src/
│   ├── shared/           # 共享组件
│   │   ├── DomainDetector.ts
│   │   ├── LegalKnowledgeBase.ts
│   │   ├── CitationFormatter.ts
│   │   └── types.ts
│   ├── tools/            # 工具实现
│   │   ├── LegalThinkTool.ts
│   │   ├── LegalAskFollowupQuestionTool.ts
│   │   └── LegalAttemptCompletionTool.ts
│   ├── utils/            # 实用程序
│   │   └── logger.ts
│   └── index.ts          # 主服务器入口点
├── build/                # 编译的 JavaScript
├── test-client.js        # 测试客户端
├── package.json
└── tsconfig.json

构建

npm run build

测试

# 运行测试客户端
./test-client.js

仓库

该项目可在 GitHub 上找到: https://github.com/yoda-digital/mcp-cerebra-legal-server

参考

许可证

MIT

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