cognitive-substrate

mcp-cognitive-substrate

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

一个包含 28 层认知基底、跨会话 思维树（ToT）演化记忆、条件式自我遥测功能和供 MCP Agent 使用的 A2A 工具的项目。

让 Agent 通过经过验证的 28 层基底进行推理、跨会话演化记忆，并与同伴 Agent 通信——所有功能都集成在一个可通过 pip 安装的包中。

功能

• 通过 Pydantic 验证的 28 层认知基底 — CognitiveSubstrate 通过 6 个类别 / 28 层验证推理。
• 跨会话 ToT 演化记忆 — 由 SQLite 提供支持的思维树节点 + 基底历史记录；经剪枝的分支会成为未来会话的经验。
• 稳健的基于栈的 JSON 解析器 — 不使用正则表达式；可处理嵌套括号、转义字符串和嵌入的代码围栏（robust_slice / robust_json_slice）。
• 自我遥测工具 — get_cognitive_tree_state 返回会话的活动路径和经剪枝的分支。
• 执行后存储循环 — store_5key_telemetry 自动保存精简的 5 键遥测数据（基础、元认知、防御、资源、效用）。
• 7 种推理范式 — 演绎、归纳、溯因、类比、因果、三段论、证伪。
• A2A 工具 — 列出、发现、调用和编排同伴 Agent。
• MCP 服务 — 通过 cognitive-substrate CLI 将所有功能作为工具公开。

安装

pip install mcp-cognitive-substrate

或从源代码安装：

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

需要 Python >= 3.11。

快速开始

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"])

用法

28 层基底

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}))

跨会话 ToT 演化记忆

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"])

基于栈的 JSON 解析器

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 种推理范式 + 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"))

作为 MCP 服务

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

以上所有功能——基底范式、提取 / 评估、记忆存储 / 检索、ToT 经验、树状态遥测、JSON 解析、推理计划和 A2A——都作为 MCP 工具公开。

测试

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

许可证

MIT