AI Cognitive Nexus (认知中枢)
一个专业的、可动态编组的 AI 团队协作与编排的MCP。允许您通过简单的指令创建、管理和指挥由多个 AI 智能体 (Agent) 组成的层级化团队，以解决复杂和多阶段的任务。
✨ 功能特性 (Features)
- 🤖 动态团队编组: 实时创建、更新和删除 AI 团队，成员可以是独立的 AI 智能体，甚至是其他团队，实现无限的层级化协作。
- 🧠 上下文情景注入: 通过人物 (Persona) 和 产品知识库 (Product) 系统，为 AI 团队执行任务提供精确的角色扮演指令和专业领域知识。
- 🔗 层级化团队依赖: 系统自动处理复杂的团队依赖关系（如团队A是团队B的成员），通过拓扑排序确保正确的初始化顺序，并能检测和防止循环依赖。
- 💾 持久化会话状态: 内置会话管理器，能够跟踪和记录多轮对话历史，让 AI 团队具备长期记忆，胜任连续性任务。
- 🔌 可插拔大模型: 支持通过环境变量在不同的大语言模型提供商（如 DeepSeek, OpenAILike 服务等）之间无缝切换，灵活适应不同成本和性能需求。
- 🛠️ 可扩展智能体工具: 为每个 AI 智能体配置专属工具集（如
ThinkingTools,ExaTools），赋予其超越语言能力的专业技能。 - 🤝 原生 MCP 协议: 基于 Model Context Protocol 构建，可无缝与任何支持MCP的AI助手（如 OpenAI Assistants, Coze, Dify, Chatwise 等）集成。
🚀 核心概念
Cognitive Nexus 的强大能力源于以下几个核心概念的组合与协同：
| 概念 | 英文 | 作用 |
|---|---|---|
| 人物 | Persona | 定义 AI 在任务中需要扮演的角色、性格和目标。 |
| 产品 | Product | 为任务注入特定的背景知识和专业资料库。 |
| 角色/智能体 | Agent | 最小的执行单元。拥有特定角色、技能和工具的独立AI。 |
| 团队 | Team | 由多个 Agent 或 其他 Team 组成的协作单位，用于完成更宏大的目标。 |
工作流程: 当一个任务开始时，您可以指定一个团队 (Team) 作为执行者，并为其配备特定的人物 (Persona) 和产品 (Product) 作为上下文，从而精确地指导团队完成任务。
⚙️ 安装与配置
1. 环境要求
- Python 3.10+
pip或uv等 Python 包管理工具- 支持 MCP 的 AI 客户端（如 Coze, Dify, 或其他兼容的Agent）
2. 安装依赖
# 1. 克隆项目
git clone https://github.com/SimonUTD/ai-cognitive-nexus-mcp.git
cd ai-cognitive-nexus-mcp
# 2. (推荐) 创建并激活虚拟环境
python -m venv .venv
source .venv/bin/activate # on Windows, use `.venv\Scripts\activate`
# 3. 安装依赖
pip install -r requirements.txt
3. 配置 .env 文件
这是配置模型提供商和 API Key 的首选方式。
# 1. 复制环境变量模板
cp .env.example .env
# 2. 编辑 .env 文件，填入你的配置信息
# LLM_PROVIDER: 设置默认使用的模型服务商 ("deepseek" 或 "openailike")
LLM_PROVIDER="deepseek"
# --- OpenAILike 服务商配置 ---
# 如果使用类似 ZhipuAI, Moonshot, Groq 等 OpenAI 兼容接口，请配置以下三项
OpenAILike_API_KEY="your_api_key_here"
OpenAILike_BASE_URL="https://api.example.com/v1"
OpenAILike_MODEL_ID="glm-4" # 用于团队协调的模型
OpenAILike_AGENT_MODEL_ID="glm-4" # 用于单个Agent的模型
# EXA 搜索 配置
EXA_API_KEY="your_exa_key_here" # 用于 EXA 工具的 API Key
4. 启动服务器
直接运行 main.py 即可通过标准输入输出 (stdio) 启动 MCP 服务器。
python main.py
您也可以在支持 MCP 的客户端（如 Chatwise）中配置此命令，实现自动拉起。
📖 API 参考 (MCP Tools)
Cognitive Nexus 向 AI 助手暴露了一系列工具，用于管理和运行 AI 团队。
会话管理
start_session(initial_context: str): 创建一个新会话，用于跟踪后续的交互历史。
人物 (Persona) 管理
create_persona(persona_key: str, data: dict): 创建一个新的人物角色。list_personas(): 列出所有可用的人物。get_persona(persona_key: str): 获取指定人物的详细信息。update_persona(persona_key: str, data: dict): 更新一个已存在的人物。delete_persona(persona_key: str): 删除一个人物。
产品 (Product) 管理
create_product(product_key: str, data: dict): 创建一个新产品及其知识库。list_products(): 列出所有产品。get_product(product_key: str): 获取产品详情和知识库。update_product(product_key: str, data: dict): 更新产品信息。delete_product(product_key: str): 删除一个产品。
角色/智能体 (Agent) 管理
create_agent(agent_key: str, data: dict): 创建一个独立的 AI 智能体。list_agents(): 列出所有智能体。get_agent(agent_key: str): 获取智能体配置。update_agent(agent_key: str, data: dict): 更新智能体配置（将自动重载所有团队）。delete_agent(agent_key: str): 删除一个智能体。
团队 (Team) 管理
create_team(team_key: str, data: dict): 创建一个新团队。list_teams(): 列出所有团队及其状态（激活/配置错误）。get_team_config(team_key: str): 获取团队的原始配置。update_team(team_key: str, data: dict): 更新团队配置（将自动尝试重载）。delete_team(team_key: str): 删除一个团队。
核心执行单元
run_ai_team(team_name: str, prompt: str, session_id: str, persona_key: str, product_key: str)这是框架的核心功能，用于指挥一个团队执行任务。team_name(必需): 要运行的团队的 Key。prompt(必需): 本次任务的核心指令。session_id(可选): 关联的会话ID，用于加载历史记录和保存结果。persona_key(可选): 本次任务中 AI 需要扮演的人物角色的 Key。product_key(可选): 本次任务关联的产品的 Key，用于加载特定知识库。
[+] 常见问题 (FAQ)
Q: 如何创建一个“产品经理 Agent”和一个“研发团队”，并让他们协作？
A: 非常简单，分三步：
- 创建 Agent: 调用
create_agent创建一个product_managerAgent，再创建两个研发developer_a和developer_bAgent。在description和instructions中详细描述他们的职责。 - 创建 Team: 调用
create_team创建一个dev_team，其members列表为["developer_a", "developer_b"]。 - 运行: 调用
run_ai_team，让product_managerAgent 直接执行任务，或者创建一个更上层的project_team，让product_manager和dev_team作为其成员，然后运行project_team。
Q: 如果我创建了一个循环依赖的团队（如团队A包含B，团队B又包含A），会发生什么？
A: 系统会自动检测到。在您调用 create_team 或 update_team 时，如果新的配置引入了循环依赖，该操作会失败并返回错误信息，同时您的修改将被自动回滚，确保系统始终处于可用的状态。
Q: 我如何切换使用的AI模型，比如从智谱的 GLM-4 切换到月之暗面的 Moonshot？
A: 只需修改 .env 文件：
- 设置
LLM_PROVIDER="openailike"。 - 设置
OpenAILike_API_KEY为你的 Moonshot API Key。 - 设置
OpenAILike_BASE_URL为 Moonshot 的服务地址 (https://api.moonshot.cn/v1)。 - 设置
OpenAILike_MODEL_ID为你想用的模型ID (如moonshot-v1-8k)。 - 设置
EXA_API_KEY为你的 EXA API Key。 - 重启 MCP 服务器即可生效。