cognitive-substrate

mcp-cognitive-substrate

mcp-name: io.github.JaysonAIOnline/cognitive-substrate

セッションをまたいだ思考の木（ToT）進化型メモリ、条件付きセルフテレメトリー、MCP エージェント向けのA2A ツールを備えた、28層の認知基盤です。

検証済みの28層基盤を通じてエージェントが推論し、セッションをまたいでメモリを進化させ、他のエージェントと通信できるようにします。すべてを1つの pip でインストール可能なパッケージにまとめています。

特長

• Pydantic 検証機能を備えた28層の認知基盤 — CognitiveSubstrate は6つのファミリー／28層を通じて推論を検証します。
• セッションをまたいだ ToT 進化型メモリ — SQLite を利用した思考の木ノードと基盤の履歴を備えています。刈り込まれた分岐は、次回以降のセッションで活用する教訓になります。
• 堅牢なスタックベースの JSON パーサー — 正規表現を使わず、ネストされた括弧、エスケープされた文字列、埋め込みのコードフェンス（robust_slice／robust_json_slice）を処理します。
• セルフテレメトリーツール — get_cognitive_tree_state は、セッションのアクティブなパスと刈り込まれた分岐を返します。
• 実行後の保存ループ — store_5key_telemetry は、コンパクトな5キーのテレメトリー（基礎、メタ認知、防御、リソース、ユーティリティ）を自動保存します。
• 7つの推論パラダイム — 演繹、帰納、アブダクション、類推、因果、三段論法、反証。
• A2A ツール — 他のエージェントの一覧表示、検出、呼び出し、オーケストレーションに対応します。
• MCP サーバー — cognitive-substrate CLI を介して、すべての機能をツールとして公開します。

インストール

pip install mcp-cognitive-substrate

または、ソースからインストールします。

git clone https://github.com/JaysonAIOnline/mcp-cognitive-substrate.git
cd mcp-cognitive-substrate
pip install -e .[test]

Python >= 3.11 が必要です。

クイックスタート

from mcp_cognitive_substrate.substrate import CognitiveSubstrate
from mcp_cognitive_substrate.memory import get_cognitive_tree_state, store_5key_telemetry

substrate = CognitiveSubstrate()
response = substrate.run("Your user prompt here")
print(response["layers_applied"], "layers applied")
print(response["substrate_verdict"])

使い方

28層の基盤

from mcp_cognitive_substrate import substrate

# Layer count and schema
print(substrate.layer_count())        # 28
print(substrate.SUBSTRATE_SCHEMA)     # the full 6-family schema

# Validate a prompt through the substrate
result = substrate.CognitiveSubstrate(session_id="s1").run("deploy safely")
print(result["substrate_verdict"])    # heuristic pruning verdict

# Run a single paradigm
from mcp_cognitive_substrate import run_paradigm
print(run_paradigm("14_idempotency_side_effect_audit", {"evaluate_branch": True}))

セッションをまたいだ ToT 進化型メモリ

from mcp_cognitive_substrate.memory import (
    store_5key_telemetry,
    get_cognitive_tree_state,
    prune_failed_approach,
)

node_id = store_5key_telemetry(
    session_id="session-a",
    payload={
        "foundations": {"premise_validation": "assuming deps", "state_hash": "h", "falsification_notes": "deps missing"},
        "defensive": {"blast_radius": "unpredictable", "is_idempotent": True, "invariant_rule": "r"},
        "resource": {"big_o": "o(n)", "latency_bottleneck": "none"},
        "utility": {"load_summary": "pin versions to deploy", "checklist_verified": True},
        "metacognition": {"self_critique": "c", "drift_pct": 0.1},
    },
    score_delta=-110.0,
)
prune_failed_approach(node_id)
state = get_cognitive_tree_state("session-a", include_pruned=True)
print(state["active_path_count"], state["pruned_branch_count"])

スタックベースの JSON パーサー

from mcp_cognitive_substrate.memory import robust_slice, robust_json_slice

cleaned, payload = robust_slice('prefix {"a": {"b": [1, 2]}, "c": "x"} suffix')
# payload == {"a": {"b": [1, 2]}, "c": "x"}; cleaned == "prefix suffix"

7つの推論パラダイム＋A2A

from mcp_cognitive_substrate import reason, a2a_list, a2a_call, a2a_orchestrate

print(reason("Solve X", reasoning_type="abductive", depth=3)["steps"])
print(a2a_list())
print(a2a_call("peer-agent", "hello"))
print(a2a_orchestrate("hi", capability="memory"))

MCP サーバーとして

cognitive-substrate          # starts stdio MCP server
cognitive-substrate --info   # prints package summary

上記のすべて（基盤のパラダイム、抽出／評価、メモリの保存／想起、ToT の教訓、ツリー状態のテレメトリー、JSON 解析、推論プラン、A2A）は、MCP ツールとして公開されます。

テスト

pip install -e .[test]
python -m pytest src/tests -q     # 16 tests

ライセンス

MIT