关于 Liminal
Liminal 是面向 AI Agent 的托管推理层,可拆解目标、延续上下文并将工作路由到实际工具。决策可复现,并会随已知上下文变化而调整。
主要功能
- 01将目标拆解为结构化工作
- 02把请求路由到实际工具
- 03执行多来源研究
- 04通过表单收集个性化信息
- 05保存上下文、素材和偏好
- 06接收反馈与结果
适用场景
- 01将复杂请求转为有依据的结果
- 02从多个来源研究问题
- 03根据个性化回答优化结果
MCP 相关
Liminal 是通过 streamable HTTP 连接的托管远程 MCP 服务。MCP 客户端可使用其工具,并通过 API 密钥或 OAuth 2.1 验证。
配置
远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。
https://liminality.physea.ai/mcpclaude mcp add --transport http ai-physea-liminality https://liminality.physea.ai/mcp{"mcpServers":{"ai-physea-liminality":{"type":"http","url":"https://liminality.physea.ai/mcp"}}}在 Cursor 中打开{"servers":{"ai-physea-liminality":{"type":"http","url":"https://liminality.physea.ai/mcp"}}}在 VS Code 中打开{"mcpServers":{"ai-physea-liminality":{"type":"http","url":"https://liminality.physea.ai/mcp"}}}{"mcpServers":{"ai-physea-liminality":{"serverUrl":"https://liminality.physea.ai/mcp"}}}命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。
https://liminality.physea.ai/mcp需要授权工具
详细介绍

Liminal
借助 Liminal,提升你的工作效率。告别重复劳动,在已有解决方案的基础上继续推进。
Liminal 通过原子化、确定性的基础框架,将目标转化为结构化工作:为范围设定护栏,汇总资源与约束,发现差距,并组织研究和后续步骤。同时,它会延续上下文和优先级,让你的 AI 能在已有工作的基础上继续推进。
通过 MCP 轻松连接,或使用桌面应用。
安装
远程服务,无需在本地构建或运行。前往 https://physea.ai/signup 获取密钥,然后将其添加到你的客户端。examples/ 中提供了适用于各客户端的即用配置文件,以及首次求解指南。
Claude Code
claude mcp add liminal --transport http https://liminality.physea.ai/mcp --header "X-API-Key: YOUR_KEY"
Cursor
添加到 ~/.cursor/mcp.json:
{
"mcpServers": {
"liminal": {
"url": "https://liminality.physea.ai/mcp",
"headers": { "X-API-Key": "YOUR_KEY" }
}
}
}
VS Code
添加到 .vscode/mcp.json:
{
"servers": {
"liminal": {
"type": "http",
"url": "https://liminality.physea.ai/mcp",
"headers": { "X-API-Key": "YOUR_KEY" }
}
}
}
Docker(stdio 桥接)
对于需要容器的客户端或目录,Dockerfile 使用 mcp-remote 封装远程端点:
docker build -t liminal-mcp . && docker run -i --rm -e API_KEY=YOUR_KEY liminal-mcp
- 端点:
https://liminality.physea.ai/mcp - 传输方式: 可流式传输的 HTTP(远程托管)
- 身份验证: 通过
X-API-Key或Authorization: Bearer使用 API 密钥,或使用 OAuth 2.1。 - 注册表名称:
ai.physea/liminality(官方 MCP 注册表)
它是什么
Liminal 是一个推理层,位于你的 Agent 与它可以调用的工具之间。它不会根据记忆直接回答,而是先梳理请求的结构,再将各部分路由到实际资源。
它采用上下文依赖的确定性。同一个问题在已知上下文相同的情况下,每次都会以相同方式路由,因此结果可复现,也可以把路由交给其他人并获得相同结果。上下文改变时,路由也会随之调整。确定性体现在决策方式上,而不是一份冻结的预设答案缓存。
工具
solve是入口工具。将任何复杂问题交给它。它会梳理结构(分解问题、关联实际工具、评估决策),并返回经过处理的结果:针对选择提供评分后的决策框架,或针对问题提供有依据的答案。research会进行更深入的多来源研究,为问题收集实际信息。ask_form/apply_form:当答案取决于你的具体情况时,它会返回一份简短的选择题表单。转交表单后,apply_form会将答案纳入考量,生成更精准的结果。get_my_context:查看已知的关于你的信息,以及你已连接的内容。register_asset/set_preference:告知它你的资料,以及你偏好的结果形式。report_feedback/report_outcome:反馈结果的表现情况,让路由随着使用不断改进。composio_connect:连接工具,以便对其执行操作。
发现
https://liminality.physea.ai/.well-known/mcphttps://liminality.physea.ai/.well-known/agent.jsonhttps://liminality.physea.ai/llms.txt
链接
- 网站和文档:https://physea.ai/mcp
- 获取密钥:https://physea.ai/signup
- 隐私政策:https://physea.ai/privacy-policy
- 作者:Physea
© 2026 Physea Labs。保留所有权利。“Liminal”、该名称及徽标均为 Physea 的商标。 此代码库是托管服务的目录条目;不授予对该服务、其软件或数据的任何权利。服务的使用受 https://physea.ai/mcp 上的条款约束。
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。