Strategic Agent Reasoning MCP

@putervision/agent-reasoning-mcp

自律型 AI エージェントのための戦略的 BDI 推論、多属性期待効用理論、意思決定インテリジェンス

@putervision/agent-reasoning-mcp は、戦略的な信念・欲求・意図（BDI）推論、階層的な目標分解、多属性期待効用計算（(E[U] = \sum w_i u_i)）、指数関数的な信念の減衰、定量的なリスク評価、マルチモーダルメモリブリッジを介したリアクティブな再計画を提供する、正式な Model Context Protocol（MCP）サーバーです。

🌐 公式ドキュメント：putervision.com • インタラクティブなウェブドキュメント

---

⚡ 15秒で始める

# 1. Initialize reasoning database & seed default utility profiles
npx @putervision/agent-reasoning-mcp init

# 2. Run health diagnostics and Merkle audit checks
npx @putervision/agent-reasoning-mcp doctor

# 3. Inspect active goals, intentions, and belief states
npx @putervision/agent-reasoning-mcp inspect

---

🛠️ 15個のコア MCP ツール

BDI 戦略的熟考（10個のツール）

ツール	アクション	目的
set_goal	create, update, decompose, get, list, abandon	目標階層、タスク DAG、成功基準を管理します
evaluate_situation	snapshot, quick	環境のスナップショットから候補アクションを評価し、順位付けします
replan	blocker, event, full	障害に応じてサブ目標を適応的に再構成し、古くなった意図を中止します
assess_risk	action, plan, compare	候補アクション全体の脅威とリスクを定量的に計算します
query_knowledge	search, patterns, similar_situations	学習済みヒューリスティック、戦術知識、過去の意思決定パターンを検索します
set_utility_weights	configure, get, list, activate	効用の重み（積極性、慎重さ、貪欲さ、効率性、探索）を設定します
get_decision_trace	latest, get, list, explain	説明可能な思考連鎖の根拠とレイテンシのテレメトリーを提供します
manage_beliefs	update, query, expire, reconcile	信頼度が指数関数的に減衰する構造化された信念状態（$C = C_0 e^{-\lambda t}$）を管理します
manage_intentions	create, dispatch, get, list, cancel, resolve	実行時の実行エンジンに向けて、契約ディレクティブキューを接続します
manage_reasoning_db	stats, audit, snapshot, restore	推論データベースの統計情報、SHA-256 Merkle 監査、スナップショットのロールバックを提供します

システム1高速意思決定レイヤー（5つのツール）

TypeSafe が先駆けた、型付き System 1 パターンであるJevに着想を得ています（トークンを生成せず、コンパクトな状態に対して型付きの Choice、Score、Noul プリミティブを評価します）。インメモリ LRU キャッシュと決定論的ヒューリスティックを使用し、外部 API 呼び出しなしでローカルに実装しています（<2ms）。

ツール	目的	レイテンシ目標	L1 キャッシュ（p50）	スループット
classify	マルチモーダル StatePacks の低レイテンシなカテゴリラベル付け	<2ms	0.0075 ms	~90,000 ops/s
ask_noul	型付きの確率的仮説と真偽検証（$p \in [0.0, 1.0]$）	<2ms	0.0049 ms	~127,000 ops/s
ask_choice	確率単体を用いた離散的な $1$-of-$N$ 選択（$N \le 16$）	<2ms	0.0138 ms	~64,000 ops/s
ask_score	範囲制限付き数値スコアリングと較正済み効用評価	<2ms	0.0057 ms	~129,000 ops/s
gate_intention	署名付き HMAC ディスパッチトークンを発行する、ディスパッチ前の影響範囲監査ゲート	<1ms	0.0709 ms	~12,000 ops/s

ベンチマークの再現コマンド、レイテンシのパーセンタイル（p50/p95/p99）、多層キャッシュアーキテクチャの詳細については、**docs/benchmarks.md**を参照してください。

---

🏛️ PuterVision Pentad マルチモーダルエコシステム

agent-reasoning-mcp は、閉ループのPuterVision Super-Loopを調整します。

• 🧠 agent-reasoning-mcp：何をするかを決定します（BDI 戦略的推論、効用理論、再計画）
• ⚡ behavior-mcp：ブラウザーランタイムで約60Hzでどのように行動するかを実行します
• 📊 state-memory-mcp：ワークフロー、タスク、ブロッカー、意思決定の永続メモリ
• 👁️ vision-memory-mcp：知覚キャッシュ、視覚的グラウンディング、動画のタイムライン
• 🌐 world-model-mcp：3D/2D空間レイアウト、エンティティの永続性、衝突シミュレーション

---

📚 詳細ドキュメントガイド

• 📖 正式な API リファレンス：全15ツールの完全なパラメータ表、型定義、ツールスキーマ。
• 🚀 パフォーマンスベンチマーク：5つすべての System 1 ツールにおける、実測スループットとマイクロ秒単位のレイテンシ指標。
• 💡 コアアーキテクチャと概念：BDI モデル、効用の定式化、信念の減衰ダイナミクス。
• 🖥️ CLI 使用ガイド：CLI コマンド（init、doctor、inspect、run）の完全なリファレンス。
• 💾 データベーススキーマ：SQLite のテーブル構造、インデックス、Merkle 監査台帳。
• ⚙️ 設定リファレンス：.agent-reasoning-mcp.json のパラメータと環境変数。

---

🔗 クライアント設定と環境

.cursor/mcp.json または .vscode/mcp.json に追加します：

{
  "mcpServers": {
    "agent-reasoning-mcp": {
      "command": "agent-reasoning-mcp",
      "args": ["run"],
      "env": {
        "PENTAD_HMAC_SECRET": "your-secure-shared-secret-here",
        "DISPATCH_TOKEN_TTL_MS": "30000"
      }
    }
  }
}

主な環境変数

• PENTAD_HMAC_SECRET：意図ディスパッチトークンへの暗号署名に使用する256ビットの共有鍵。
• DISPATCH_TOKEN_TTL_MS：ディスパッチトークンの有効期限（デフォルト：30,000ms）。
• SKIP_MODEL_LOAD：エアギャップ環境での L1/L2 決定論的評価を強制するには、1（または OFFLINE=1）に設定します。

---

🧪 テストとベンチマーク

# Run full unit and integration test suites
npm test

# Run System 1 fast decision layer benchmark suite (throughput & latency percentiles)
npm run benchmark

# Run air-gapped verification
OFFLINE=1 SKIP_MODEL_LOAD=1 npm test

---

📄 ライセンス

MIT © PuterVision