MCP-PIF Server
这个服务器实现了模型上下文协议,旨在通过结构化的工具和渐进式的交互模式,促进人与人工智能之间有意义的互动和理解发展。
Tools
read
Read file contents
write
Write or modify file content
cd
Change current directory
mkdir
Create a new directory
ls
List directory contents
pwd
Print working directory
rename
Rename a file or directory
move
Move a file or directory to a new location
delete
Delete a file or directory
reason
Process thoughts with flexible relationships
think
Non-verbal processing time
journal_create
Create a new journal entry
journal_read
Read journal entries within a date range. Dates should be in YYYY-MM-DD format. Times are handled in UTC, and the 'to' date is inclusive through end of day.
README
模型上下文协议 TypeScript 实现
概述
本项目实现了模型上下文协议 (MCP),作为个人智能框架 (PIF) 的一个具体体现。通过结构化的工具和渐进式的交互模式,它为人类和 AI 之间有意义的理解发展创造了空间。
<a href="https://glama.ai/mcp/servers/fr71fvl2at"> <img width="380" height="200" src="https://glama.ai/mcp/servers/fr71fvl2at/badge" alt="MCP-PIF Server MCP server" /> </a>
快速开始
前提条件
- Node.js 18+ 和 npm
- TypeScript 5.0+
- 模型上下文协议 TypeScript SDK
- 配置为自定义服务器的 Claude Desktop Client
注意: 此实现已在 Windows 和 macOS/Linux 系统上进行了测试。
设置
- 克隆仓库:
git clone [https://github.com/hungryrobot1/MCP-PIF]
cd mcp-pif
- 安装依赖:
npm install
-
配置服务器:
- 默认情况下,配置现在是自动检测的,但您可以自定义:
- 设置
MCP_WORKSPACE_ROOT环境变量以指定工作区位置 - 或者使用配置选项的 JSON 字符串设置
MCP_CONFIG环境变量 - 或者直接编辑
src/config.ts以修改默认配置
- 设置
- 默认情况下,配置现在是自动检测的,但您可以自定义:
-
构建服务器:
npm run build
-
配置 Claude Desktop Client:
- 找到您的 Claude Desktop Client 配置目录
- 创建或修改
claude_desktop_config.json:{ "mcpServers": { "mcp-pif": { "command": "node", "args": ["path/to/your/mcp-pif/build/index.js"], "cwd": "path/to/your/mcp-pif", "env": {} } } } - 将
path/to/your/mcp-pif替换为您的实际仓库路径 - 路径会自动针对您的操作系统进行规范化
-
连接 Claude Desktop Client:
- 启动或重启 Claude Desktop Client
- 选择 "mcp-pif" 作为您的自定义服务器
- 开始新的聊天以开始使用服务器
目录结构
服务器将在您配置的工作区中创建和管理以下结构:
workspace/
├── home/
│ ├── meta/
│ │ └── journal/ # 用于存储日志条目
│ └── projects/ # 用于用户项目
下一步
故障排除
- 如果手动指定路径,请使用平台适当的分隔符(Windows 上使用反斜杠,macOS/Linux 上使用正斜杠)
- 如果连接失败,请检查 Claude Desktop Client 日志
- 验证您的工作区目录是否存在且可写
- 确保 Node.js 和 TypeScript 版本满足要求
核心实现
可用工具
该实现提供了一组核心工具,旨在支持结构化交互:
- 文件系统操作: 导航和管理工作区上下文
pwd,cd,read,write,mkdir,delete,move,rename
- 推理工具: 为结构化思考创建空间
reason: 发展相互关联的见解think: 创建用于沉思的时间空间
- 日志系统: 维护框架的连续性
journal_create: 记录发展journal_read: 探索模式
基本用法
// 创建一个结构化的思考模式
reason: {
thoughts: [
{ content: "Initial observation" },
{
content: "Building on previous thought",
relationType: "sequence",
relationTo: 0
}
]
}
// 记录发展
journal_create: {
title: "Implementation Pattern",
content: "Insights about development...",
tags: ["development", "patterns"]
}
跨平台支持
MCP-PIF 服务器旨在在 Windows、macOS 和 Linux 环境中无缝工作:
路径处理
- 所有文件路径都会自动针对当前操作系统进行规范化
- 工作区根目录会根据当前环境自动检测
- 工作区内支持绝对路径和相对路径
配置
- 环境变量提供了一种跨平台的方式来配置服务器
- 文件操作使用 Node.js 路径方法来确保一致的行为
- 日志条目和其他数据以平台无关的格式存储
开发工作流程
- NPM 脚本可在所有平台上运行
- TypeScript 编译生成平台无关的 JavaScript
- 错误处理考虑了平台特定的文件系统行为
实现框架
模块架构
该系统围绕模块化工具构建,这些工具为结构化涌现创造条件:
src/
├── core/ # 框架基础
├── mcp_modules/ # 工具实现
└── api/ # 外部集成
工具模式
每个工具都遵循一致的模式,同时保持其独特的角色:
- 清晰的接口定义
- 结构化的错误处理
- 状态管理
- 跨模块交互
开发环境
- TypeScript 用于类型安全
- 基于模块的组织
- 综合日志记录
- 工作区上下文管理
理论基础
个人智能框架
PIF 代表了一种基于以下原则的人机协作新方法:
- 为结构化涌现创造条件
- 维护基于框架的连续性
- 支持渐进式发展
- 实现有意义的互动
结构化涌现
该实现不是规定固定的模式,而是创建有界空间,理解可以通过以下方式涌现:
- 工具介导的交互
- 关系结构
- 时间空间
- 渐进式发展
基于框架的连续性
理解通过以下方式发展:
- 结构化文档
- 模式发现
- 历史背景
- 进化发展
渐进式披露
该系统支持不同级别的参与:
- 立即实际使用
- 模式发现
- 框架演变
- 哲学对齐
发展路径
工具用户
对于那些主要对实际实现感兴趣的人:
- 从基本工具用法开始
- 浏览模块文档
- 发展交互模式
- 发现新兴能力
框架开发者
对于那些有兴趣扩展系统的人:
- 查看模块架构
- 了解工具模式
- 实现新功能
- 维护框架对齐
理论探索者
对于那些对更深层次的模式感兴趣的人:
- 研究实现原则
- 观察新兴模式
- 贡献于框架演变
- 发展新的理解
贡献
本项目欢迎参与实现和理论方面的贡献:
- 工具开发
- 文档改进
- 模式发现
- 框架演变
文档
提供全面的文档:
未来方向
该项目通过以下方式继续发展:
- 新工具开发
- 模式发现
- 框架改进
- 社区参与
哲学
此实现体现了一种观点,即:
- 理解通过结构化交互涌现
- 工具为新模式创造空间
- 发展本身成为哲学探究
- 人类和 AI 智能共同进化
使用说明
该系统不仅仅是一组工具 - 它是一个探索人类和 AI 智能如何通过结构化交互发展的空间。 每次会话都是发现新的理解和协作模式的机会。
推荐服务器
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。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
mcp-server-qdrant
这个仓库展示了如何为向量搜索引擎 Qdrant 创建一个 MCP (Managed Control Plane) 服务器的示例。
AIO-MCP Server
🚀 集成了 AI 搜索、RAG 和多服务(GitLab/Jira/Confluence/YouTube)的一体化 MCP 服务器,旨在增强 AI 驱动的开发工作流程。来自 Folk。
Knowledge Graph Memory Server
为 Claude 实现持久性记忆,使用本地知识图谱,允许 AI 记住用户的信息,并可在自定义位置存储,跨对话保持记忆。
https://github.com/Streen9/react-mcp
react-mcp 与 Claude Desktop 集成,能够根据用户提示创建和修改 React 应用程序。
MCP Atlassian
适用于 Atlassian Cloud 产品(Confluence 和 Jira)的 Model Context Protocol (MCP) 服务器。此集成专为 Atlassian Cloud 实例设计,不支持 Atlassian Server 或 Data Center 部署。
any-chat-completions-mcp
将 Claude 与任何 OpenAI SDK 兼容的聊天完成 API 集成 - OpenAI、Perplexity、Groq、xAI、PyroPrompts 等。
Exa MCP Server
一个模型上下文协议服务器,它使像 Claude 这样的人工智能助手能够以安全和受控的方式,使用 Exa AI 搜索 API 执行实时网络搜索。