Emotion MCP Server

弗洛伊德双驱情绪管理 MCP 服务器 —— astrbot_plugin_affection 的独立 MCP 实现。

NPM: https://www.npmjs.com/package/emotion-mcp GitHub: https://github.com/yaoxiaolinglong/emotion-mcp

为 AI 角色扮演/伴侣场景提供动态情绪模拟系统。基于弗洛伊德心理动力学（力比多/攻击性），通过潜意识 LLM 分析对话内容实时调整情绪数值，具备时间衰减能力。

快速开始

npx -y emotion-mcp

集成方式

零配置（推荐） — Agent 自主分析

mcpServers:
  emotion:
    type: stdio
    command: npx
    args:
      - -y
      - emotion-mcp
    timeout: 60000

无需任何环境变量！ Agent 通过两步模式完成情绪分析：

用户发言
  → emotion_get_analysis_prompt(user_id, message)  # 获取分析任务
  → Agent 自己分析 → 输出 JSON
  → emotion_apply_deltas(user_id, deltas)           # 提交结果，数值更新
  → emotion_get_emotion_prompt(user_id)             # 获取情绪文本
  → 注入 system prompt → 生成回复

后台 LLM 模式 — 独立分析

如果配置了 EMOTION_LLM_API_KEY，可用 emotion_analyze 一步完成：

mcpServers:
  emotion:
    type: stdio
    command: npx
    args:
      - -y
      - emotion-mcp
    env:
      EMOTION_LLM_API_KEY: sk-your-key-here
    timeout: 60000

环境变量

变量	默认值	说明
EMOTION_LLM_API_KEY	(必填)	潜意识 LLM API Key
EMOTION_LLM_API_BASE	https://api.mulanteastory.cn	API 地址
EMOTION_LLM_MODEL	gpt-3.5-turbo	模型名（建议轻量模型）
EMOTION_SENSITIVITY	30	情绪敏感度 (0-100)
EMOTION_INITIAL_AFFECTION	50	初始好感度 (0-100)

MCP 工具

emotion_analyze ★ 核心

分析用户消息 → 调用潜意识 LLM → 更新情绪数值。每次用户发言后调用。

• 输入: user_id, message, history(可选)
• 输出: 更新后的完整情绪面板 + 增量详情

emotion_get_emotion_prompt

生成可追加到 system prompt 的情绪文本。

• 输入: user_id
• 输出: 情绪数值面板文本

emotion_get_panel

获取当前情绪数值面板（JSON 格式）。

• 输入: user_id

emotion_get_status

完整情绪档案，含参考表。

emotion_reset / emotion_set / emotion_reset_all

管理工具。

Agent 角色的「情绪驱动规则」

将以下规则加入角色设定的 system prompt 末尾：

【情绪驱动规则】

你的回复风格和情感倾向由系统实时计算的「力比多/攻击性/好感」数值决定。每次对话前，你会收到【当前情绪数值】面板，包含：

- 他力比多（0-50）：想亲近对方的欲望。高→主动撒娇黏人，低→冷淡回避疏远。
- 他攻击性（0-50）：想伤害对方的冲动。高→敌意烦躁刻薄，低→温顺容忍顺从。
- 好感度（0-100）：长期累积的喜欢和依恋。≥70 时攻击性表现为"吃醋""占有欲"；≤30 时表现为"厌恶""敌意"。
- 自力比多（0-50）：自爱程度。高→自信自爱，低→自卑空虚。
- 自攻击性（0-50）：自责/自我毁灭冲动。高→崩溃自我贬低。

重要约束：不要提及任何具体数值，根据数值强度自然演绎。数值的微小变化也应体现在语气强度上。

许可

基于 astrbot_plugin_affection (AGPL-3.0) 改造。同样采用 AGPL-3.0。