mcpField
M
Multidim

Multidim

本地服务
github.comAI 与智能体19 周前更新

关于 Multidim

Multidim 是面向 AI Agent 的确定性分析框架 MCP 服务,提供分析网格并校验填写结果。它不调用 LLM 或网络请求,适合需要可复现分析与逐项验证的工作流。

主要功能

  1. 01按主题生成分层分析网格
  2. 02确定性校验并给出分节结果
  3. 03通过 frame_hash 检测框架篡改
  4. 04记录经验并注入匹配问题
  5. 05管理上下文与分析框架

适用场景

  1. 01结构化评估技术决策
  2. 02检查假设与备选方案质量
  3. 03复核分析是否遗漏二阶风险

MCP 相关

作为 MCP 服务,提供 multidim_analyze、multidim_contexts、multidim_validate 和 multidim_learn 工具,供 MCP 客户端生成并验证分析框架。

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。

mcp.json · 通用配置
{
"mcpServers": {
"cherridsaid-multidim": {
"command": "uvx",
"args": [
"multidim-mcp"
],
"env": {
"MULTIDIM_MCP_HOME": "<MULTIDIM_MCP_HOME>"
}
}
}
}
启动命令uvx multidim-mcp
需要配置的环境变量
MULTIDIM_MCP_HOMEOptional. Overrides the dedicated per-user data directory where the store is created.

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypimultidim-mcp0.2.0

工具

4

收录的工具列表 · 更新于 3 周前

参数类型必填说明
depthenum否可选,默认为 deep。core=轴+简短的交叉影响;deep=+子视角;full=+一次有针对性的递归。core | deep | full
formatenum否可选,默认为 text(v1 网格)。v2 = v2 契约的确定性 JSON 框架:frame_hash、mandatory questions、learned traps、required_sections、validation_rules、max_validation_rounds、可选的 host_hints。调用方 LLM 会逐节填写此框架。text | v2
contextstring否可选。强制指定语境;否则自动检测。
subjectstring是要分析的主题。

详细介绍

multidim-mcp:一个主题经棱镜分解为八种分析视角

multidim-mcp

为 AI Agent 提供结构化思维网格——独立的 MCP 服务,仅使用标准库。

Multidim 会将主题路由到一组分析视角(一个上下文),并返回一个分层网格——包含轴、子视角和必答问题——供调用方的大模型填写。思考仍由调用方完成:服务提供结构,绝不代为思考。它不会调用大模型,不会发起网络请求,而且相同输入始终会生成相同框架。

  • 零依赖——Python 3.9+,仅使用标准库。
  • 确定性的 v2 合约——每个框架都带有可自行验证的 frame_hash;填写后的分析会逐节检查,并提供可执行的错误代码。
  • 已学习的陷阱——你记录一次的经验教训,会成为必答问题,注入到今后所有主题匹配的框架中。
  • 强化的存储——原子写入、原生跨进程锁定、增量迁移、重置前备份,以及一项保护机制,确保绝不触碰外部的 ~/.multidim 存储。

看看有何不同

一个 Agent 分析了*“我们是否应该将计费服务从 MySQL 迁移到 PostgreSQL?”*。每个部分都已填写,每句话读起来都不错。以下是首次检查时 multidim_validate 返回的结果:

overall verdict: REJECT

REJECT  alternatives        NOT_ENOUGH_ALTERNATIVES, ALTERNATIVE_DUPLICATES_PRIMARY
REJECT  hypotheses          HYPOTHESIS_NOT_FALSIFIABLE
REJECT  second_order_risks  SECOND_ORDER_REPEATS_FIRST
REJECT  cross_talk          GENERIC_DENSITY_HIGH
REJECT  synthesis           SYNTHESIS_WITHOUT_REFERENCES
WARNING premortem           PREMORTEM_SIMILAR_TO_RISKS

唯一的替代方案只是重述了假设;假设本身没有能证伪它的测试;第二阶影响与第一阶影响一字不差地重复;结论也没有引用上述任何内容。阅读答案时,这些问题都不可见;但这里会逐项明确指出。

重做被拒绝的部分后,同一个检查器会返回 ACCEPT。如果编辑框架并删除你觉得不方便的规则,它就会拒绝整份提交——框架会对自身内容进行哈希校验。

完整记录,包括修正后的部分内容,以及此工具刻意不做的检查:DEMO.md。只需一条命令即可复现:python demo.py。

快速入门

pip install multidim-mcp        # from PyPI
pip install .                   # or from a source checkout

使用任何 MCP 客户端注册该服务(stdio 传输):

{
  "mcpServers": {
    "multidim": {
      "command": "multidim-mcp"
    }
  }
}

也可以直接运行:python -m multidim_mcp;或者无需安装即可运行:uvx multidim-mcp。

该服务已列入官方 MCP 注册表,名称为 io.github.Cherridsaid/multidim-mcp。

工具

工具作用
multidim_analyze为主题构建网格(depth:core / deep / full;format:文本或确定性的 v2 JSON 框架)
multidim_contexts列出所有已知上下文及其轴和子视角
multidim_validate根据 v2 框架,对填写后的分析进行确定性、无状态检查——逐节返回 ACCEPT / WARNING / REJECT
multidim_learn创建或扩充上下文(关键词、轴、陷阱)——唯一的写入入口

工作原理

multidim_analyze 生成确定性的 v2 框架;大模型填写框架;multidim_validate 标记 ACCEPT / WARNING / REJECT,并且仅重新处理被拒绝的部分

  1. multidim_analyze 会为你的主题检测最合适的上下文(按单词边界匹配关键词,并折叠重音符号),然后返回一个 v2 框架:必需章节、章节架构、验证规则、必答问题,以及触发条件与主题匹配的所有 已学习陷阱。
  2. 你的大模型逐个章节填写框架。
  3. multidim_validate 会从存储中重建框架,拒绝被篡改或过时的框架(frame_hash),然后检查分析内容:结构完整性、对假设的证伪测试、与主要方案确有不同的替代方案、与一阶效应不同的二阶效应、不照搬风险清单的事前验尸、引用真实标识符的综合结论,以及填充短语密度上限。仅重新处理被拒绝的章节,且不超过框架的 max_validation_rounds。

四种种子上下文中立且确定:generic(8 个通用视角)、code_review、technical_writing、decision。

存储

存储位于专用的每用户数据路径(可通过 MULTIDIM_MCP_HOME 覆盖),首次运行时会根据中立种子创建。写入操作是原子的,并通过操作系统原生文件锁在多个进程间序列化;存储损坏时会先备份,再重置,绝不会静默丢弃。跳闸保护会拒绝任何会解析到其他个人 ~/.multidim 存储的读写操作。

发布分支版本的维护者可以通过 MULTIDIM_MCP_EXTRA_FORBIDDEN(逗号分隔)添加自己的私有标记,扩展中立性保护机制,而不必将其硬编码到公开源码中。

透明度

  • 不是 AI 系统。 multidim-mcp 不包含模型,也不进行推理:它是确定性的规则软件。根据《欧盟 AI 法案》(Reg. 2024/1689),它不属于第 3(1) 条所指的 AI 系统;作为免费开源软件,它适用第 2(12) 条的豁免。它不会收集数据,也不会进行网络调用。
  • 本 README 中的 插图由 GPT 生成,并保留了完整的 C2PA 来源元数据。

开发

python run_tests.py      # full suite, stdlib only
python smoke_install.py  # packaging smoke test (wheel + venv + entry point)
python demo.py           # the analyse -> validate -> fix -> accept cycle of DEMO.md

CI 会在 Ubuntu 和 Windows 上,针对 Python 3.9 / 3.11 / 3.13 运行。

许可证

Apache-2.0 — 参见 LICENSE 和 NOTICE。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

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。