关于 DeepLucid3D UCPF Server
DeepLucid3D UCPF Server 是面向结构化问题分析与创意探索的 MCP 服务,运用 UCPF 方法评估认知状态、递归提问并拆解问题,也可选择保存会话状态。
主要功能
- 01评估认知状态
- 02映射知识维度
- 03递归检视假设
- 04生成创意视角
- 05拆解并整合问题
- 06可选会话状态管理
适用场景
- 01逐步分析复杂问题
- 02探索主题的不同视角
- 03跨会话跟踪分析
MCP 相关
它向 MCP 客户端提供 analyze_problem、creative_exploration 和 manage_state 三种工具,以及框架和会话分析资源。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
DeepLucid3D UCPF 服务
一个实现统一认知处理框架(UCPF)的模型上下文协议(MCP)服务,用于高级认知分析、创造性问题解决和结构化思考。
它是什么?
DeepLucid3D UCPF 服务是统一认知处理框架的 MCP 服务实现。它将递归自我意识与多维知识分类相结合,为问题解决和创造性思考提供强大的方法。
此服务通过提供结构化的认知工具来扩展 AI 能力,这些工具有助于:
- 评估认知状态
- 绘制知识维度
- 运用递归自我提问
- 生成创造性视角
- 分解并重新整合复杂问题
它能做什么
UCPF 服务通过几项关键功能实现高级认知处理:
核心能力
-
认知状态评估:识别当前的认知状态(黑暗惯性、热情或趋近清明),以提升问题解决过程中的自我意识。
-
知识维度映射:从三个维度映射知识:
- 意识(已知与未知)
- 内容(已知与未知)
- 可访问性(可知与不可知)
-
递归自我提问:质疑初始假设,并识别潜在的认知偏见。
-
创造性视角生成:提出新颖的观点和隐喻式思维,启发新的解决方案。
-
问题分解:将复杂问题拆解为可管理的组成部分,并在了解整个系统的基础上重新整合。
-
可选状态管理:在会话之间保留上下文,以便持续分析。
设置和安装
前提条件
- Node.js(v14 或更高版本)
- npm(v6 或更高版本)
- 与模型上下文协议兼容的环境
安装步骤
-
克隆代码库
git clone https://github.com/yourusername/DeepLucid3D-UCPF-Server.git cd DeepLucid3D-UCPF-Server -
安装依赖项
npm install -
构建项目
npm run build -
配置 MCP 设置
将服务添加到 MCP 设置文件中。对于 Claude/Cline,该文件通常位于:
- 对于 Claude Desktop:
~/Library/Application Support/Claude/claude_desktop_config.json(macOS) - 对于 VSCode Cline:
~/.config/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json(Linux)
添加以下配置:
{ "mcpServers": { "ucpf": { "command": "node", "args": ["path/to/DeepLucid3D-MCP/build/index.js"], "env": {}, "disabled": false, "autoApprove": [] } } } - 对于 Claude Desktop:
-
重启兼容 MCP 的应用程序(Claude、搭配 Cline 的 VSCode 等)
使用方法
该服务通过 MCP 提供三个主要工具和若干资源:
工具
-
analyze_problem:通过完整的 UCPF 框架处理问题陈述
<use_mcp_tool> <server_name>ucpf</server_name> <tool_name>analyze_problem</tool_name> <arguments> { "problem": "Your problem statement here", "session_id": "optional-session-id", "enable_state": false, "detailed": false } </arguments> </use_mcp_tool> -
creative_exploration:为某个主题生成新颖的视角和关联
<use_mcp_tool> <server_name>ucpf</server_name> <tool_name>creative_exploration</tool_name> <arguments> { "topic": "Your topic here", "constraints": ["Optional constraint 1", "Optional constraint 2"], "perspective_count": 3, "include_metaphors": true } </arguments> </use_mcp_tool> -
manage_state:控制 UCPF 处理的状态管理
<use_mcp_tool> <server_name>ucpf</server_name> <tool_name>manage_state</tool_name> <arguments> { "action": "enable", // or "disable", "reset", "status" "session_id": "optional-specific-session-id" } </arguments> </use_mcp_tool>
资源
访问框架文档:
<access_mcp_resource>
<server_name>ucpf</server_name>
<uri>ucpf://framework/overview</uri>
</access_mcp_resource>
可用资源:
ucpf://framework/overview:UCPF 框架概述ucpf://framework/cognitive-states:认知状态指南ucpf://framework/knowledge-dimensions:知识维度参考ucpf://session/{sessionId}/analysis:特定会话的分析结果
使用示例:使用 UCPF 解开谜语
我们来解答这个经典谜语:“什么东西早上四条腿,下午两条腿,晚上三条腿?”
步骤 1:启用状态管理以持久化会话
<use_mcp_tool>
<server_name>ucpf</server_name>
<tool_name>manage_state</tool_name>
<arguments>
{
"action": "enable"
}
</arguments>
</use_mcp_tool>
步骤 2:使用 UCPF 框架分析谜语
<use_mcp_tool>
<server_name>ucpf</server_name>
<tool_name>analyze_problem</tool_name>
<arguments>
{
"problem": "What walks on four legs in the morning, two legs in the afternoon, and three legs in the evening?",
"session_id": "sphinx-riddle",
"enable_state": true
}
</arguments>
</use_mcp_tool>
分析结果将提供:
- 认知状态评估(可能会识别出隐喻式思维)
- 知识映射,梳理我们知道和不知道的内容
- 用于质疑初始假设的递归问题(例如:“我们是否假设腿是字面意义上的腿?”)
- 针对不同解读的结构化视角
第 3 步:探索创造性视角以找到解决方案
<use_mcp_tool>
<server_name>ucpf</server_name>
<tool_name>creative_exploration</tool_name>
<arguments>
{
"topic": "Walking with different numbers of legs at different times of day",
"constraints": ["morning", "afternoon", "evening", "four", "two", "three"],
"include_metaphors": true,
"session_id": "sphinx-riddle"
}
</arguments>
</use_mcp_tool>
这种探索可能会揭示:
- 将「腿」隐喻性地理解为支撑结构
- 将一天中的不同时段隐喻性地理解为人生阶段
- 由此得出经典答案:人。婴儿时期四肢着地爬行,成年后用两条腿行走,老年时使用手杖(第三条「腿」)
第 4 步:查看会话分析
<access_mcp_resource>
<server_name>ucpf</server_name>
<uri>ucpf://session/sphinx-riddle/analysis</uri>
</access_mcp_resource>
这会提供完整的分析过程,展示框架如何通过结构化的认知处理得出解决方案。
致谢
本项目站在巨人的肩膀上:
- 感谢 Model Context Protocol (MCP) 团队创建基础协议,使 AI 系统能够访问外部工具和资源
- 感谢 Anthropic Claude 团队致力于开发能够使用 MCP 的先进 AI 系统
- 感谢为 Unified Cognitive Processing Framework 概念作出贡献的人士,这些概念为认知分析方法提供了支持
- 感谢开源社区,其库和工具让此类项目成为可能
许可证
MIT 许可证
项目结构
DeepLucid3D-UCPF-Server/
├── src/
│ ├── engine/
│ │ ├── ucpf-core.ts # Core UCPF processing logic
│ │ ├── creative-patterns.ts # Creative thinking utilities
│ │ └── state-manager.ts # Session state management
│ ├── tools/
│ │ ├── analyze-problem.ts # Problem analysis tool
│ │ └── creative-exploration.ts # Creative exploration tool
│ └── index.ts # Main server implementation
├── build/ # Compiled JavaScript files
├── package.json # Project dependencies and scripts
└── README.md # This documentation
© 2025 DeepLucid3D UCPF Server
另请参阅
- TranscriptionTools-MCP — 转录文本处理
- DeepLucid3D-MCP — 认知处理
- UNO-MCP — 叙事增强
- gitea-mcp — Gitea 集成
- zero-vector-MCP — 程序化生成
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。