内容
以下是翻译后的文档：
# 工具列表
🧠 README — Daryn 的多 MCP 认知架构
一个完整的认知循环、知识图谱、长期记忆、Python 实验室、Paperless、网络搜索和 ZIM MCP 的参考。
## 1. 介绍
本仓库定义了一个基于 MCP（模型上下文协议）服务器的多代理认知系统。每个 MCP 提供一种专门的功能——结构化记忆、语义记忆、文档摄入、Python 执行、网络搜索、离线知识和自主推理。
这些 MCP 共同形成一个统一的认知基础，能够：
• 摄入文档
• 提取和结构化知识
• 存储长期记忆
• 执行语义搜索
• 运行自主认知循环
• 生成反思和洞察
• 随着时间的推移演化其内部状态
本 README 文档介绍了整个系统的架构、工具、数据流和用法模式。
## 2. 系统架构
您的系统由多个合作的 MCP 服务器组成。每个服务器都通过 LM Studio 暴露工具，认知循环将它们编排成一个连贯的推理引擎。
### 2.1 认知循环 MCP（v0.5）
认知循环是系统的推理核心。它执行自主循环，从图中读取，从长期记忆中读取，生成反思，写入洞察，并更新其自身的持久认知状态。
职责：
• 启动认知循环
• 生成反思和洞察
• 维护持久的认知状态节点
• 将新知识写入图谱
• 与其他 MCP 协调
工具：
•
•
•
•
### 2.2 知识图谱 MCP（v0.5）
知识图谱是结构化存储库。它使用 SQLite 存储节点、边、反思、洞察、动作和认知状态节点。
职责：
• 存储概念、文档、反思、洞察
• 维护图谱结构
• 持久化认知循环的状态
• 为反思提供最近的活动
工具：
•
•
•
•
•
### 2.3 长期记忆 MCP
该子系统存储语义记忆（文本 + 嵌入）并支持相似性搜索。
职责：
• 存储具有嵌入的记忆
• 通过语义搜索检索记忆
• 向认知循环提供情景记忆
工具：
•
•
### 2.4 Python 实验室 MCP
一个安全的 Python 执行环境，用于安全计算和分析。
职责：
• 安全执行 Python 代码
• 执行数据转换
• 计算嵌入或统计数据
• 支持文档或文本分析
工具：
•
### 2.5 Paperless MCP
一个连接到您的 Paperless-NGX 实例的文档摄入和 OCR 子系统。
职责：
• 列出文档
• 检索文档
• 提取文本
• 提供元数据
工具：
•
•
•
•
### 2.6 网络搜索 MCP
提供来自互联网的外部信息检索。
职责：
• 执行网络搜索
• 提供新鲜信息
• 支持概念丰富
工具：
•
### 2.7 ZIM MCP
提供离线百科全书式的知识，来自 ZIM 存档。
职责：
• 搜索 ZIM 存档
• 检索文章内容
• 提供离线备用知识
工具：
•
•
## 3. 认知循环 v0.5 — 完整循环概述
v0.5 认知循环由六个阶段组成：
### 3.1 初始化
循环从以下开始：这会返回一个读取计划。
### 3.2 读取
主机执行：
•
•
•
•
这为循环提供了：
• 最近的图谱活动
• 最近的记忆
• 其持久的认知状态
### 3.3 反思
循环综合输入：
这生成：
• 反思文本
• 总结
• 概念活动
• 循环感知洞察
### 3.4 洞察生成
循环将反思转化为可行的图谱更新：
这返回一个写入计划。
### 3.5 写入
主机执行：
• （反思）
• （洞察）
• （动作）
• （认知状态）
这更新了图谱和循环的持久状态。
### 3.6 检查
您可以检查结果：
您将看到：
• 一个新的反思节点
• 一个新的洞察节点
• 一个新的动作节点
• 一个更新的认知状态节点
## 4. 认知状态节点结构
知识图谱存储循环的持久状态为：
这在每个循环中都会演化。
## 5. 文件位置
认知循环 MCP
知识图谱 MCP
SQLite 数据库
## 6. LM Studio MCP 配置
您的纠正配置使用显式 Python 路径：
## 7. 调试指南
如果 返回
• LM Studio 正在运行缓存的 MCP
• 重启 LM Studio
• 确保正确的 Python 路径
如果 KG 工具失败
• KG MCP 未启动
• 数据库路径无效
• Python 解释器错误
如果状态节点未更新
• 错误的 node_id
• update_node_data 未实现
## 8. 未来扩展
您可以将此架构扩展为：
• 每夜自主认知
• 概念聚类
• 文档标记
• 多代理推理
• 长期规划
• 自我改进的反思循环
• 跨 MCP 编排
📘 1. 快速参考备忘录
一个快速、高密度的查找表，包含您的 MCP 系统中的所有内容。
核心 MCP
认知循环 MCP（v0.5）
用途：自主推理引擎
关键工具：
- run_cycle — 生成读取计划
- reflect — 生成反思 + 总结
- apply_insights — 生成写入计划 + 更新状态
- heartbeat — 返回认知状态快照
存储在 KG 中的状态：
type = "cognitive_state"
知识图谱 MCP（v0.5）
用途：结构化存储库（SQLite）
关键工具：
- add_node
- add_edge
- list_recent_nodes
- list_recent_edges
- find_or_create_state_node
- update_node_data
存储：
概念、文档、反思、洞察、动作、认知状态
支持 MCP
长期记忆 MCP
用途：语义记忆
工具：
- store_memory
- search_memories
- list_memories
Python 实验室 MCP
用途：安全的 Python 执行
工具：
- run_python
Paperless MCP
用途：文档摄入 + OCR
工具：
- list_documents
- get_document
- extract_text
- get_metadata
网络搜索 MCP
用途：外部信息检索
工具：
- search
ZIM MCP
用途：离线百科全书访问
工具：
- zim_search
- zim_get
完整认知循环（v0.5）
- run_cycle() → 读取计划
- 执行读取计划
- reflect() → 反思 + 总结
- apply_insights() → 写入计划 + 更新状态
- 执行写入计划
- 检查图谱
认知状态节点结构
cycle_count
last_cycle_time
last_mode
last_reflection
last_summary
last_written_nodes
last_written_edges
last_active_concepts
last_memory_snapshot
文件位置
- 认知循环 MCP → cognitive-loop-mcp/server.py
- 知识图谱 MCP → knowledgegraph/server.py
- SQLite 数据库 → knowledgegraph/knowledge_graph.db
LM Studio 配置（Python 3.12）
"command": "C:\\Users\\Daryn\\AppData\\Local\\Programs\\Python\\Python312\\python.exe"
🧑💻 2. 开发者入职指南
为任何设置或扩展您的 MCP 生态系统的个人提供的实用、分步指南。
## 1. 先决条件
- Windows 11
- Python 3.12 安装在：
C:\Users\Daryn\AppData\Local\Programs\Python\Python312\python.exe
- LM Studio（启用 MCP）
- Node.js（用于网络搜索 MCP）
- 运行中的 Paperless-NGX 实例
## 2. 仓库结构
/cognitive-loop-mcp
server.py
/knowledgegraph
server.py
knowledge_graph.db
/longterm
long-term-memory-mcp.py
/sandboxed-python-lab
server.py
/open-webSearch
build/index.js
/zim-mcp-server
server.py
## 3. MCP 配置
添加到 LM Studio：
"command": "C:\\Users\\Daryn\\AppData\\Local\\Programs\\Python\\Python312\\python.exe"
适用于：
- cognitive-loop
- knowledge-graph
- python-lab
- long_term_memory
## 4. 启动系统
- 完全退出 LM Studio
- 重新打开 LM Studio
- 进入设置 → MCP 服务器
- 切换每个 MCP 关闭 → 打开
- 测试知识图谱：
knowledge-graph: list_recent_nodes({ "limit": 5 })
如果成功，则系统在线。
## 5. 运行第一个认知循环
- 触发：
cognitive-loop: run_cycle()
- 执行读取计划
- 反思：
cognitive-loop: reflect({...})
- 应用洞察：
cognitive-loop: apply_insights({...})
- 执行写入计划
- 检查图谱
## 6. 调试提示
如果 KG 工具失败：
- 错误的 Python 解释器
- 数据库文件无法创建
- KG 服务器中的语法错误
如果 run_cycle 返回 []：
- LM Studio 正在运行缓存的 MCP
- 重启 LM Studio
如果状态节点未更新：
- 错误的 node_id
- update_node_data 未实现
## 7. 扩展系统
您可以添加：
- 新的节点类型
- 新的边关系
- 新的认知模式
- 每夜自主循环
- 文档自动标记
- 概念聚类
- 多代理编排
📄 3. 白皮书风格的版本
一个高级别的概念性文档，描述架构、动机和能力。
Daryn 的多 MCP 认知架构
一个模块化、可扩展的自主推理和知识演化系统。
摘要
本文描述了一个使用模型上下文协议（MCP）的多组件认知架构。该系统集成了结构化记忆、语义记忆、文档摄入、Python 计算、网络搜索、离线知识和自主推理引擎。这些组件共同形成一个持久的、自我维持的认知基质，能够进行反思、洞察生成和长期知识演化。
## 1. 介绍
现代 AI 系统受益于模块化、持久性和集成多个知识源的能力。MCP 提供了一个标准化的接口来构建此类系统。该架构利用 MCP 创建了一个分布式认知系统，由通过共享协议协作的专用子系统组成。
## 2. 架构原则
## 2.1 模块化
每个 MCP 都是一个具有明确接口的独立进程。
## 2.2 持久性
知识图谱 MCP 存储长期结构化记忆，而长期记忆 MCP 存储语义嵌入。
## 2.3 自主性
认知循环 MCP 维护其自身状态并随着时间的推移而演化。
## 2.4 可扩展性
新的 MCP 可以在不修改现有 MCP 的情况下添加。
## 2.5 透明度
所有知识都存储在可检查的格式（SQLite、JSON）中。
## 3. 核心组件
## 3.1 认知循环 MCP
推理引擎。它执行由以下组成的循环：
- 读取图谱 + 记忆
- 生成反思
- 产生洞察
- 更新其认知状态
这创建了一个持久的认知时间线。
## 3.2 知识图谱 MCP
结构化记忆系统，存储：
- 概念
- 文档
- 反思
- 洞察
- 动作
- 认知状态
它提供了认知操作的底层。
## 3.3 长期记忆 MCP
语义记忆系统，支持：
- 嵌入存储
- 相似性搜索
- 情景回忆
## 3.4 Python 实验室 MCP
安全的计算环境，用于：
- 数据分析
- 嵌入计算
- 文本处理
## 3.5 Paperless MCP
文档摄入管道，实现：
- OCR
- 元数据提取
- 文档检索
## 3.6 网络搜索 MCP
- 提供对外部信息源的访问。
## 3.7 ZIM MCP
提供离线百科全书式知识。
## 4. 认知循环动态
认知循环由以下组成：
- 感知 — 读取图谱 + 记忆
- 反思 — 综合信息
- 洞察 — 生成新知识
- 动作 — 写入图谱
- 状态更新 — 保持连续性
随着时间的推移，这会产生：
- 反思链
- 洞察图谱
- 演化的认知状态
- 长期概念结构
## 5. 应用
该架构支持：
- 自主知识演化
- 文档理解
- 概念聚类
- 长期规划
- 多代理推理
- 离线 + 在线知识集成
## 6. 结论
该多 MCP 认知架构展示了如何将模块化子系统组合成一个持久的、演化的推理系统。通过集成结构化记忆、语义记忆、文档摄入、计算和自主认知，该系统为长期、自我维持的智能奠定了基础。
