Verdigraph — paid hosted MCP for compute routing

verdigraph-neurogenesis

克隆此仓库，运行一个脚本，不到 60 秒，你就能从任意 Agent 文件构建确定性、内容寻址的大脑产物——Claude 项目导出文件、OpenAI Assistant 配置、原始提示词列表或 Verdigraph 基因组 JSON。核心采用纯 Python；无需任何外部服务。

---

60 秒快速开始

git clone https://github.com/viridis-security/verdigraph-neurogenesis
cd verdigraph-neurogenesis
bash quickstart.sh

就是这样。此脚本会创建 venv，以可编辑模式安装软件包，使用示例基因组运行大脑构建器，并输出确定性的 brain_id + content_hash。**无需 Cloudflare 账户、Stripe 密钥或 verdigraph.dev 账户。**所有操作都在本地运行。

默认的快速开始会在本地构建内置的合成示例，不会发起托管比较请求。设置过程仍会使用 pip 安装软件包和开发依赖。如需将该合成示例与托管 Worker 进行比较，请明确选择启用：

VERDIGRAPH_VERIFY_HOSTED=1 bash quickstart.sh

这会将内置示例发送到 https://verdigraph.dev/app/import，并比较返回的 brain_id。处理私有 Agent 文件时，请使用下方的本地构建命令；不要将私有输入用于托管比较。

---

它是什么

Verdigraph 会将 Agent 文件转换为可检查的认知图，并为其生成内容寻址标识符，你可以将其固定在 git 中、在审计中引用，或粘贴到代码审查中。它的实用性主要体现在以下三点：

1. **确定性。**相同的输入字节始终会生成相同的 brain_id、content_hash 和图结构。运行两次，得到的答案也相同。可以在本地用 Python 运行，也可以在 Worker 上用 TypeScript 运行；无论哪种方式，结果都一样。
2. **结构可检查。**每个大脑都包含 9 个触发不变量和 1 项提示性检查（I9_fitness_metric_wired），因此你无需信任黑盒，也能确认 Agent 文件实际编译成了什么。
3. **自包含的构建流水线。**除了 Python 标准库之外，没有外部依赖。不会被 SaaS 锁定。只需一个下午，就能审查完 verdigraph/brain.py 的每一行（约 660 行）。

---

使用方法

从 Verdigraph 基因组构建大脑

python -m verdigraph build --file examples/hypothetical_research_agent.genome.json --format verdigraph_genome --pretty

也可以通过管道传入输入：

cat my_agent.json | python -m verdigraph build --stdin --format auto --summary --pretty

从 Claude 项目导出文件构建

python -m verdigraph build --file my_claude_project_export.json --format claude_project_export --pretty

从 OpenAI Assistant 配置构建

python -m verdigraph build --file my_assistant.json --format openai_assistant --pretty

从平铺的提示词列表构建

echo -e "You are a helpful assistant.\nSummarize the user's request.\nPlan steps and execute." \
  | python -m verdigraph build --stdin --format prompt_list --pretty

重新验证已保存的大脑产物

python -m verdigraph build --file my_agent.json --pretty > brain.json
python -m verdigraph verify brain.json

---

将其用作 Python 库

from verdigraph.brain import extract, verify_brain, to_dict

genome = b'{"agent_name":"my_agent","purpose":"...","initial_nodes":["planner","executor"],"fitness_metrics":["task_success_rate"]}'

brain = extract("verdigraph_genome", genome)
print(brain.brain_id)        # e.g. RMX124YY916WP0TCSEHFYX7M30
print(brain.brain_uri)       # verdigraph://brain/RMX124YY916WP0TCSEHFYX7M30
print(brain.content_hash)    # sha256 hex
print(len(brain.nodes), "nodes,", len(brain.edges), "edges")

report = verify_brain(brain)
assert report.passed         # all non-advisory invariants pass

print(to_dict(brain))        # serialize for storage / round-trip

---

将其作为 MCP 服务提供给你的大模型 Agent 使用

pip install -e ".[mcp]"
verdigraph-mcp                 # runs over stdio

然后在 Claude Desktop 配置中（~/Library/Application Support/Claude/claude_desktop_config.json）：

{
  "mcpServers": {
    "verdigraph": {
      "command": "/absolute/path/to/repo/.venv/bin/verdigraph-mcp",
      "args": []
    }
  }
}

或者在 Claude Code 中运行：claude mcp add --transport stdio verdigraph /absolute/path/to/repo/.venv/bin/verdigraph-mcp。

重启客户端。现在，你的 Agent 可以使用 verdigraph_* 工具来创建发育型 Agent、向其提供任务评估、检查其图和账本，并选择计算配置。大脑产物通过 python -m verdigraph build 构建（见上文）。不会发起网络调用；所有操作都在你的计算机上运行。

---

确定性与可验证性

字段	含义	验证方法
brain_id	26 个字符的 Crockford-base32；根据 sha256(input_bytes + b":" + format) 对精确输入字节计算，因此重新格式化文件（空白、键顺序）会产生新的 ID	python -m verdigraph build --file <same bytes> — 每次得到相同 ID
brain_uri	verdigraph://brain/<brain_id>	自描述形式；适用于内容安全分类器
content_hash	sha256(canonicalize(brain_body_minus_content_hash))	精确算法请参见 docs/CANONICALIZATION.md
input_sha256	sha256(raw_input_bytes)	sha256sum your_file.json
不变量报告	9 项必需检查 + 1 项建议检查 I9_fitness_metric_wired	每项均包含 id、description、passed、可选的 passed_with_default、advisory、detail

规范化规则（一句话）

对每个对象的键递归地按码点字典序排序，并将整数值浮点数强制转换为整数后，使用 json.dumps 和 separators=(",", ":")（与 JavaScript JSON.stringify 逐字节匹配）。哈希计算前先编码为 UTF-8。参见 verdigraph/brain.py::canonicalize（约 20 行，仅使用标准库）。

标识符根据你提交的精确字节计算，因此，格式化输出的基因组和压缩形式会得到不同的 brain_id。测试向量以及可复现真实哈希的参考实现见 docs/CANONICALIZATION.md。

---

目录结构

verdigraph-neurogenesis/
├── README.md                     ← you are here
├── quickstart.sh                 ← clone → first brain in 60 seconds
├── pyproject.toml                ← Python package metadata
├── verdigraph/                   ← Python core (no external deps)
│   ├── brain.py                  ← deterministic build pipeline (extract / canonicalize / verify)
│   ├── cli.py                    ← `python -m verdigraph` CLI
│   ├── genome.py                 ← AgentGenome / GrowthRules / SafetyAxioms (live-agent runtime)
│   ├── graph.py                  ← CognitiveGraph / CognitiveNode / CognitiveEdge
│   ├── agent.py                  ← DevelopmentalAgent (live-agent runtime)
│   ├── growth.py / pruning.py    ← evolution operators
│   ├── evaluation.py             ← task-outcome ledger
│   ├── compute.py                ← compute-routing helpers
│   └── ledger.py                 ← immutable event log
├── verdigraph_mcp/               ← optional: stdio MCP server (`pip install -e ".[mcp]"`)
├── tests/                        ← pytest, all green on a clean clone
├── examples/                     ← runnable demos with fixture genomes
├── docs/                         ← canonicalization spec, architecture, invariants
└── papers/                       ← three companion papers (Zenodo-archived)

---

托管服务

托管服务：verdigraph.dev，按调用付费。Viridis 会将其保留净收入（扣除创作者报酬和转付成本后）的 25% 用于保护工作；公开账本见 https://verdigraph.dev/conservation/public。自托管：verdigraph_mcp/ 中的 Python MCP 服务

---

运行测试

Python 核心：

source .venv/bin/activate
pip install -e ".[dev]"
pytest -q

Python 测试套件会在每次推送和拉取请求时，通过 CI（.github/workflows/tests.yml）在 Python 3.10 / 3.11 / 3.12 上运行。如果提交了有效的 Stripe 标识符，机密扫描任务会导致构建失败。托管服务会在私有服务仓库中运行其 TypeScript 和跨核心一致性测试。

tests/test_brain_parity.py 测试套件锁定了确定性构建约定，具体来说，b'{"agent_name":"x","purpose":"y","initial_nodes":["a"],"fitness_metrics":["task_success_rate"]}' 会生成 brain_id == "RMX124YY916WP0TCSEHFYX7M30" 和 content_hash == "20b9e5be0e5a0d34e564df6d0a554b1232ff9cc3ff309ab8da77a97756602c0c"。如果任一端发生偏差，该测试会在下一次 CI 运行时失败，我们会将这种差异作为有意的架构升级发布。

---

配套论文

位于 papers/ 中：

1. PAPER_1_Physical_NeuroGenesis_SynapseForge.md — 物理版本：由 AI Agent 设计、3D 打印并通过溶液生长的神经形态基底。
2. PAPER_2_Verdigraph_Digital_NeuroGenesis.md — 软件版本：可自我演进的数字认知图。
3. PAPER_3_Verdigraph_Compute_Efficiency.md — 计算效率层。

引用格式：

Hart, Justin. (2026). Verdigraph NeuroGenesis：用于自我演进 AI Agent 认知基底的软件框架（版本 0.1.0）。Zenodo. https://doi.org/10.5281/zenodo.20261687

---

许可证与联系方式

MIT。由 Viridis LLC 维护。联系邮箱：[email protected]。

这是一个实验性研究框架。它不会创建自主且不受限制的自我修改 AI。所有增长和修剪操作均受明确的基因组规则、安全不变量和可审计账本约束。