内容
# 神话推理MCP
[](https://www.npmjs.com/package/mythos-reasoning-mcp)
[](LICENSE)
[](#工具)
[](#05版本新增功能)
[](#)
> **一个用于Codex / Claude Code / 任意MCP客户端的确定性验证门控——独立于被检查的模型。**
> Mythos 不会使模型变得更智能。它会根据证据、矛盾、校准和出处检查模型的输出——因为模型的自我评估不应被盲目信任。
---
## 简介
```text
之前：模型 -> 答案 -> 发送 ❓ （自我评分，无独立检查）
之后：模型 -> 答案 -> Mythos 门控 -> 准备 | 修订 | 收集证据 | 形式化 | 阻止
```
- **19种工具**，单个MCP服务器，默认零LLM和零网络。
- **第0层（默认）**：完全本地启发式——声明验证，矛盾检测，校准（Brier + ECE），语义熵，来源绑定。
- **第1层（可选）**：可选的`mythos_judge`，用于新鲜上下文的语义判决。 除非您设置了API密钥，否则禁用。
- **可衡量**：`npm run eval:gate`评估标记数据集，并将精度/召回率/F1/声明级召回率写入`reports/gate_eval.*`。
---
## 快速入门
```bash
git clone https://github.com/sorryorc/mythos-mcp.git
cd mythos-mcp
npm install
npm run build
npm test
```
将以下配置写入您的Codex（或其他MCP客户端）配置文件中：
```toml
[mcp_servers.mythos_reasoning]
command = "node"
args = ["<绝对路径>/mythos-mcp/dist/index.js"]
cwd = "<绝对路径>/mythos-mcp"
enabled = true
startup_timeout_sec = 20
tool_timeout_sec = 120
```
当您的客户端公开类似 `mcp__mythos_reasoning__mythos_optimize` 的工具时，MCP已连接。
---
## 它实际执行的操作
Mythos推理MCP将`Prelude → 递归深度 → Coda`的想法转化为实用工作流：
```text
计划 -> 递归深度（收敛）-> 验证 + 校准 -> 检测矛盾 -> 批评 + 探测 -> 门控 -> 验证的结尾
```
它在默认路径上**不运行LLM**，**不进行网络调用**。它公开可审计的摘要——置信度评分、证据覆盖率、校准、矛盾报告、风险标志和令牌预算估计——永远不会是私有的思维链。
> **定位：** 这里的“Mythos”是一个**确定性验证层**，而不是特定的模型品牌。 现代推理模型已经原生地提供了深度和自我验证； 这个层不取代它——它**独立**地检查模型的输出， 因为模型的自我评估（可能具有grader感知能力）不应被盲目信任。
## 05版本新增功能
0.6版本在0.5版本的基础上进行了改进，具有可衡量的门控评估、确定性的来源绑定和声明路由。 公共工具表面现在有19种工具：质量管道、更深层次的验证助手、来源/路由检查、可选的裁判和进度真实性审计。
- **重新聚焦的工具表面**：删除了上下文分层、工具编排、内存、脚手架、代理协调、协议批处理、安全晶格和可观察性调优工具。
- **验证优先的形状**：保留了预算、计划/通过/运行、验证/批评/最终确定、门控/优化、比较、形式化、一致性、假设、探测、验证链、裁判、来源、路由和进度审计。
- **门控效果可衡量**：`npm run eval:gate`评估`datasets/labeled.sample.json`，并将精度/召回率/假阻挡/F1和声明级召回率写入`reports/gate_eval.*`。
- **来源和路由**：`mythos_check_provenance`标记没有可验证指针的事实声明；`mythos_route`决定哪些声明停留在第0层，需要第1层裁判或更多证据。
## 04版本新增功能
0.4版本将该层重新定位为**Mythos 5 / Fable 5类模型**，其原生努力拨号提供推理深度，MCP曾模拟。 价值转移到模型的自我评估无法信任的内容——独立验证、校准和门控。
- **预算 → 努力映射** (`mythos_budget`)：每个活动模式映射到主机模型的测试时间计算努力拨号——`lite → low`，`standard → high`，`deep → xhigh`，`max → max`；`off`跳过主机模型调用——带有`effort_rationale`。 深度来自模型；MCP控制**何时**花费值得。
- **多代理合并门控** (`mythos_gate`合并模式)：传递`candidates`（≥2个子代理输出），门控运行跨代理一致性+矛盾检测，并门控合并（`merge_ready` / `reconcile` / `block_merge`）- 确定性检查，其中异步子代理（例如Git共享工作树）收敛。 高严重性跨代理矛盾强制`block_merge`。
- **响应来源感知**：`mythos_run`，`mythos_gate`和`mythos_optimize`接受`response_source`（`fable5 | opus_fallback | unknown`）加`stop_reason`。 Opus备用路径在`provenance`中报告；高风险门控加强质量栏，需要备用感知发布说明。
## 03版本新增功能
0.3版本从文献中挖掘成熟的技术，并将它们折叠成确定性、无LLM的核心：
- **验证链** (`mythos_verify_chain`)：为每个声明/风险标签/特定问题生成独立的验证问题，以便在最终确定之前回答（Dhuliawala等人，2023）。
- **`mythos_consistency`中的语义熵**：根据含义聚类候选答案，并报告归一化熵+聚类统计数据——比词汇重叠更强的臆想信号（Farquhar等人，自然2024）。
- **原子事实分解** （FActScore，Min等人，2023）：将句子分解为原子声明，以便一个假子句不隐藏在真实句子中；作为`factual_precision`公开。
- **适当校准**：校准报告现在添加了Brier分数和预期校准误差（ECE）超过声明。
## 02版本新增功能
0.2版本替换了核心，并添加了三个分析工具：
- **真正的递归深度。** 推理状态逐渐接近固定点：`belief_t = belief_{t-1} + lr * (target(state) - belief_{t-1})`，其中`target`源于证据强度、开放未知数和检测到的矛盾。 迭代在收敛、振荡或停滞时停止。
- **自适应计算。** 更难的输入（弱证据、更多未知数/矛盾）获得更低的学习率和更大的传递预算，以便引擎在需要的地方花费更多传递，在容易的输入上花费更少的传递。
- **矛盾检测。** 否定、模态（`always` vs `sometimes`）、数字/版本和声明与证据不匹配。
## Codex 状态
该项目安装在：
```text
<您的本地路径>/mythos-mcp
```
Codex 配置：
```toml
[mcp_servers.mythos_reasoning]
command = "node"
args = ["<您的本地路径>/mythos-mcp/dist/index.js"]
cwd = "<您的本地路径>/mythos-mcp"
enabled = true
startup_timeout_sec = 20
tool_timeout_sec = 120
```
当Codex公开类似 `mcp__mythos_reasoning__mythos_optimize` 的工具时，MCP已连接。
## 工具
v0.6公共界面有19种工具。
质量管道：
- `mythos_budget`：估计开销，推荐`off`/`lite`/`standard`/`deep`/`max`，并将活动模式映射到主机模型努力拨号（`low`/`medium`/`high`/`xhigh`/`max`）。
- `mythos_plan`：分类任务模式、风险级别、风险因素和证据需求。
- `mythos_pass`：运行一个递归松弛步骤（带有状态跨回合）。
- `mythos_verify`：根据证据支持对声明进行评分；报告每个声明的状态、风险标签和校准。
- `mythos_critique`：查找不受支持的声明、矛盾、过度自信、校准不佳、缺少验证和边缘情况空白。
- `mythos_finalize`：生成一个简洁的答案，附带证据摘要、矛盾和不确定性说明。
- `mythos_run`：运行完整的工作流（计划 -> 深度 -> 验证 -> 矛盾 -> 批评 -> 最终确定 -> 评分）。
- `mythos_gate`：决定`ready` / `revise` / `gather_evidence` / `formalize` / `block`。 **合并模式**（`candidates` >= 2）：门控多代理合并，带有`merge_ready` / `reconcile` / `block_merge`。
- `mythos_formalize`：将未解决的问题转化为变量、约束、目标和按预期值排名的下一步骤。
- `mythos_optimize`：Codex的单入口编排（预算、门控、形式化、假设、开放边缘情况、证据请求、输出合同）。
- `mythos_compare`：比较基线输出与Mythos检查的答案。
分析工具（更深入的思考）：
- `mythos_consistency`：多个候选答案的一致性/集成 - 同意分数、共识声明和候选间矛盾。
- `mythos_assumptions`：挖掘草稿依赖的隐藏假设，并按`risk_if_false / cost`排名。
- `mythos_probe`：生成答案必须生存的边缘情况/反事实，标记哪些已经解决。
- `mythos_verify_chain`：验证链 - 声明的独立验证问题，按弱度和风险优先级排序。
- `mythos_judge`：可选的第1层新鲜上下文语义裁判，用于声明/证据蕴涵（`supported | contradicted | unsupported`）。 默认禁用API密钥；使用`provider: "mock"`进行本地确定性测试。 支持`sample_count`、`entropy_threshold`、`cross_model`、`secondary_model`和`use_cache`。
- `mythos_check_provenance`：确定性检查声明是否绑定到可验证指针（`file_line`、`test_id`、`url`或`quote`），并计算无绑定特定声明。
- `mythos_route`：将声明路由到`tier0_only`、`tier1_judge`或`gather_evidence`，并估计裁判成本后再花费。
- `mythos_audit_progress`：比较进度语句与实际工具结果，并返回接地/假/不可验证标签以及浮动声明。
资源：`mythos://protocol`（工作流）和`mythos://depth`（递归深度数学）。
## 递归深度和自适应计算
```text
belief_t = belief_{t-1} + lr * (target(state) - belief_{t-1})
target(state) = base(evidence_strength) - unknown_penalty - contradiction_load
lr = 0.85 - 0.45 * difficulty # 更难的输入会爬升，使用更多传递
```
停止（`halted_reason`）：
- `converged` - `|delta| < epsilon`，置信度足够高。
- `stalled` - 置信度停止移动，但未知数/矛盾仍然存在（需要新证据，而不是更多传递）。
- `oscillation` - 目标不断在各个传递之间翻转（冲突证据）。
- `max_passes` - 预算耗尽；`recommended_additional_passes`估计剩余的传递。
深度结果是可审计的：每个传递报告`belief`、`target`、`delta`、矛盾计数和开放检查。
## 验证、矛盾和校准
`mythos_verify`为每个声明分配一个基于证据的置信度，来自单个文档权重表（`test_result` > `file_line` > `docs` > `web` > `user_input` > `inference` > `unknown`），调整为引用的来源、绝对语言和纯粹的细节。 状态带：
- `supported`：强有力、来源明确、类型证据。
- `needs_more_evidence`：合理的但未证明的（例如引用的推理）。
- `unsupported`：没有可用的证据。
校准比较所述置信度与基于证据的置信度，并报告`overconfident_claims`和`calibration_score`。 注意，否定绝对值（`cannot guarantee`, `not always`）被视为hedging，而不是过度自信。
## 预算模式
| 模式 | 模型努力 | 典型用途 | 传递次数 | 估计开销 |
| --- | --- | --- | ---: | ---: |
| `off` | 跳过调用 | 休闲聊天、创意草稿、低风险偏好问题 | 0 | 0 |
| `lite` | 低 | 短答案、快速最终检查 | 1 | 约180个令牌 + 15% 检查文本 |
| `standard` | 高 | 正常编码、调试、当前信息、设计权衡 | 2 | 约420个令牌 + 35% 检查文本 |
| `deep` | xhigh | 安全、法律、金融、身份验证、破坏性操作、成本高决策 | 4 | 约900个令牌 + 80% 检查文本 |
| `max` | max | 最高能力敏感任务，在额外成本/延迟合理的情况下 | 5 | 约1300个令牌 + 110% 检查文本 |
最佳价值从`mythos_budget`开始。 使用`mythos_run` / `mythos_optimize`，当建议为`standard`或`deep`时，或当答案包含重要的事实声明时。
`mythos_judge`,
`mythos_gate`和`mythos_optimize`也可以接收：
```json
{
"response_source": "fable5 | opus_fallback | unknown",
"stop_reason": "optional provider stop/refusal reason"
}
```
使用`opus_fallback`，当主机从请求的Fable 5 / Mythos 5类路径后退时。门控不会盲目拒绝备用输出，但会报告降低的来源立场，并对高风险任务更严格。
## 可选第1层裁判
裁判层通过`mythos_judge`公开，并由`mythos_route`路由。 默认`mythos_gate`路径仍然是确定性和零网络；`mythos_optimize`报告哪些声明证明了第1层以及估计的支出。
环境契约：
```text
ANTHROPIC_API_KEY 启用Anthropic裁判客户端
MYTHOS_JUDGE_PROVIDER=mock 使用本地确定性模拟客户端
MYTHOS_JUDGE_PROVIDER=disabled 强制关闭第1层
MYTHOS_JUDGE_MODEL 默认情况下为claude-fable-5
MYTHOS_JUDGE_EFFORT 低 | 中 | 高 | x高 | 最大，默认为高
MYTHOS_JUDGE_MAX_OUTPUT_TOKENS 默认情况下为1200
MYTHOS_JUDGE_TIMEOUT_MS 默认情况下为30000
MYTHOS_JUDGE_ENDPOINT 默认情况下为https://api.anthropic.com/v1/messages
```
Anthropic请求使用带有`model`、`max_tokens`、`messages`和`output_config.effort`的Messages API；它发送必需的`anthropic-version: 2023-06-01`标头。裁判提示仅要求结构化的JSON判决，并明确避免私有的推理。
示例本地调用：
```json
{
"task": "Judge whether claims are supported.",
"provider": "mock",
"sample_count": 2,
"use_cache": true,
"claims": [
{
"claim": "The unit tests pass.",
"evidence_type": "test_result",
"source": "npm test"
}
]
}
```
对于进度报告，请传递`statements`或`progress_report`以及紧凑的`tool_results`：
```json
{
"statements": ["I ran npm test.", "I deployed to production."],
"tool_results": [
{ "id": "t1", "tool": "shell", "output": "npm test passed all checks" }
]
}
```
## 推荐的Codex工作流
```text
1. 首先使用正常的本地工具：读取文件，运行测试，检查文档。
2. 调用mythos_optimize，带有任务 + 草稿 + 紧凑的声明/证据。
3. ready -> 在output_contract下输出答案。
4. gather_evidence -> 收集请求的证据。
5. formalize -> 遵循排名靠前的下一步。
6. revise -> 在输出规则下重写。
7. block -> 不要回答；首先解决矛盾。
```
使用较低级别的工具（`mythos_verify`，`mythos_critique`，`mythos_consistency`，`mythos_assumptions`，`mythos_probe`，`mythos_pass`），当您调试管道本身或需要特定的检查时。
## 以可控成本获得最大收益
```text
跳过：随意/创意/无事实风险
精简：带有1-3个声明的短答案
标准：编码、调试、文档、当前信息、架构决策
深度：安全、凭证、支付、破坏性操作、法律/医疗/财务风险
最大：最高能力敏感任务在确定性门控证明花费合理后
```
发送紧凑的草稿、声明和证据摘要 - 而不是整个文件、日志或转录。MCP无法检索源或运行测试；它在最终答案之前使证据空白、矛盾和过度自信可见。
## 回放评估
记录Codex任务的实际尝试：
```powershell
npm run replay:record -- replay/sample_record.json replay/replay.jsonl
npm run replay:analyze -- replay/replay.jsonl
npm run replay:report -- replay/replay.jsonl reports/replay.md
npm run replay:reset -- replay/replay.jsonl
```
记录包括任务、草稿、声明、证据、结果和注释。使用结果一致：`accepted | reworked | failed | blocked | unknown`。 最强的调优信号是`ready`决定后来变成`failed`或`reworked` - 这意味着门控对该任务类别来说过于宽容。（`reset`会截断日志，即使在不支持文件删除的文件系统上。）
## 参考
确定性启发式算法灵感来自 - 而不是以下工作的实现：
- Geiping等人，“通过潜在推理扩展测试时间计算：一种递归深度方法”（arXiv：2502.05171，2025）。
- Dhuliawala等人，“验证链减少大型语言模型的幻觉”（arXiv：2309.11495，2023）。
- Farquhar、Kossen、Kuhn和Gal，“使用语义熵检测大型语言模型的幻觉”，自然630（2024）。
- Min等人，“FActScore：长形式文本生成中事实精度的细粒度原子评估”（EMNLP 2023）。
- Wang等人，“自一致性提高语言模型中的链式思维推理”（arXiv：2203.11171，2022）。
## 测试
```bash
npm test
```
`npm test` 构建、运行MCP烟雾测试、v0.2单元套件（递归收敛、矛盾检测、校准、门控决策和新工具）、比较和数据集评估，并将报告写入：
```text
reports/comparison.md
reports/real_tasks.sample.eval.md
reports/gate_eval.md
reports/test_replay.md
```
