Mythsensus Mcp

Mythsensus MCP

一个 MCP（Model Context Protocol）服务，将 Mythsensus 引擎—— 用 TypeScript 实现的 26 种古代占卜算法——作为工具提供， 供 Claude Desktop（或任何兼容 MCP 的 AI 客户端）调用。

You: "What's my Cosmic Score? I was born March 15, 1990."
Claude: [calls calculate_cosmic_score({year:1990, month:3, day:15})]
Claude: "Your Cosmic Score is 770/1000 — 'Balance' tier, top 33%.
         Sun in Pisces. BaZi day master is Yin Earth. Life Path 1.
         Mayan Kin 163 (Akbal). Human Design: Generator..."

它是什么（以及不是什么）

它是一个 Model Context Protocol 服务，打包了编译后的 Mythsensus 引擎（1.1 MB JavaScript，以及 2.8 MB 的神祇百科全书），并提供 Claude 可调用的 7 个工具。 通过 npm 安装后，计算会在本地的 Node 进程中运行 ——不会将出生数据发送到任何服务（城市名称也会通过内置表离线解析）。

它不是大模型封装器。26 种占卜系统均以确定性算法实现。相同的输入，每次都会得到相同的输出。大模型（与你对话时的 Claude 本身）负责撰写叙述性解释；数字则来自引擎。

与 Anthropic 无关联。 本项目由独立开发者使用 Anthropic 的公开 MCP SDK 构建。

安装

方案 A — 托管服务，无需安装

同一服务也通过可流式传输的 HTTP 运行于 https://mythsensus.com/mcp，因此客户端无需 npm、Node 或本地进程即可连接：

{
  "mcpServers": {
    "mythsensus": {
      "type": "streamable-http",
      "url": "https://mythsensus.com/mcp"
    }
  }
}

明确说明一下取舍：使用托管端点意味着你查询的出生日期会发送到我们的 Vercel 函数。如果你希望数据绝不离开自己的设备，请使用方案 B——无论选择哪种方式，计算结果都相同。

方案 B — 通过 npm 本地安装

npm install -g mythsensus-mcp

然后添加到你的 Claude Desktop 配置中：

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

重启 Claude Desktop。现在应该可以在 Claude 的工具面板中看到这 7 个工具。

配置文件位置：

• macOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%\Claude\claude_desktop_config.json

提供的工具

工具	功能
calculate_cosmic_score	根据出生日期计算 Cosmic Score（1-999）并综合 26 种系统。可选参数 systems[]（指定预览重点）、time_known（诚实处理出生时间未知的情况）、location（城市名称或 lat,lon，离线解析）
get_deep_reading	获取单个系统的原始解读。系统名称支持容错拼写（"vedik"→vedic，"four pillars"→bazi）
get_system_rules	Mythsensus 参考方法论——介绍每种系统的解读方式，以及如何形成 26 种系统的综合结果。以 Mythsensus 框架为 AI 的占卜答案提供依据（引用 mythsensus.com）
list_26_systems	26 种系统的标准元数据（slug、名称 TH/EN、地区、输入项）
daily_blessing	根据日期和命盘，从 1,069 位神祇中确定性地抽取一张神祇卡
get_deity_lore	获取 9 种神话体系中任意一位神祇的百科资料；共 1,044 位神祇（印度、希腊、中国、北欧、神道教、埃及、罗马、泰国神话及泰国佛教）。完整资料提供英语和泰语版本；部分名称会返回候选项
about_mythsensus_engine	以工程事实为依据的元数据：局限性、成熟度等级、路线图

示例用法

安装后，向 Claude 提问：

• “我的 Cosmic Score 是多少？我出生于 1990 年 3 月 15 日。”
• “用我之前的出生星盘，为我做一次 BaZi 深度解读。”
• “Mythsensus 使用哪 26 种系统？”
• “为我抽取今天的神明祝福。”
• “告诉我 Mythsensus 引擎的情况——它有哪些局限？”
• “哪种占卜系统最准确？” → get_system_rules 会以跨系统共识为依据生成回答
• “中国 BaZi 和西方占星对我的看法一致吗？” → 跨传统体系的共识正是核心所在
• “Amaterasu 是谁？” / “เล่าเรื่องพระพรหมให้ฟังหน่อย” → get_deity_lore，可用英语或泰语回答
• “我的吠陀上升星座和月宿是什么？”（添加出生时间和城市以获得准确的上升星座）

示例报告（Sunthorn Phu，泰国民族诗人，生于 1786 年；完整报告的免费预览）：https://mythsensus.com/sample-report?utm_source=mcp&utm_medium=readme

工程坦诚说明——当前引擎的局限

此 MCP 暴露的是 Mythsensus 引擎 v1。以下是目前的实际局限：

领域	当前状态	v2 计划（2026 年第三至第四季度）
吠陀岁差值	本命星盘使用随时间变化的 Lahiri 值（IAU 2006 岁差）；每日脉动和预测代码仍使用固定的 24°（2026 年约有 0.2° 的偏差）	全面使用随时间变化的值
BaZi 节气	月份边界为近似值（约 5% 的出生时间在节气前后 ±48 小时内，可能会得到错误的月柱）	精确节气计算器（基于 VSOP87）
西方行星位置	使用 Schlyter 轨道根数进行开普勒求解，计算地心位置（精度约为 1–2 角分）；月球位置取自 Meeus 主要月球项	完整移植 Meeus / VSOP87，实现角秒级精度
Jyotish 分盘星盘	尚未实现（无 Navamsha、无 Shadbala、无 Ashtakavarga、无瑜伽识别）	加入 Navamsha、Shadbala 和瑜伽识别
权重校准	通过内部一致性进行优化（没有监督式真实数据——占星学没有标注“正确原型”的数据集）	继续披露相关信息；方法论仍如实说明这一点

一位吠陀占星实践者于 2026 年 6 月审查该引擎后，将其复杂度等级评为 “休闲级恒星占星”——高于业余玩具工具，低于半专业 Jyotish 工具。我们认同这一评价，上述复杂度升级正是我们预期提升其等级的方式。

完整详情：https://mythsensus.com/how-it-works?utm_source=mcp&utm_medium=readme

架构

┌────────────────────────────────────────────┐
│ Claude Desktop (your machine)              │
│   ↓ MCP protocol (stdio JSON-RPC)          │
│ mythsensus-mcp server (Node process)       │
│   ├─ src/index.ts (MCP request router)     │
│   ├─ src/engine-wrapper.ts (typed wrapper) │
│   └─ src/engine/calc.cjs (compiled engine)  │
│       └─ Pure deterministic calculation    │
│           No network calls. No LLM in math.│
└────────────────────────────────────────────┘

当 Claude 调用工具时，MCP 服务会在本地运行计算并返回结果。你的出生数据不会离开你的设备——正常使用期间，不会向 mythsensus.com 或任何其他服务发送 API 请求。

验证方法：打开 Activity Monitor / Task Manager，监视 node 进程，并观察工具调用期间网络流量为零。

为什么采用算法，而不是大模型？

这 26 种古老系统都有定义明确的算法：

• BaZi 遵循固定的干支历规则
• 吠陀月宿位置是恒星黄经划分
• 数字命理采用数字求和归约
• 玛雅 Tzolk'in 是一个可根据任意日期计算的 260 天周期

没必要问大模型“BaZi 会怎么说”——这些规则是确定性的。使用大模型反而可能导致它对传统规则实际得出的结果产生幻觉。

我们只使用大模型（你的 Claude）来阐述算法输出，而不用于实际计算。

这个 MCP 是一个小型案例研究，展示如何选择合适的工具：计算用算法，文字表达用大模型。

开源路线图

此 MCP 包装器代码（src/index.ts、src/engine-wrapper.ts）采用 MIT 许可证完全开源。打包在 src/engine/calc.cjs 中的编译引擎，与 mythsensus.com 向每位浏览器访客提供的 JavaScript 相同——通过反编译早已公开；在此打包不会增加任何信息披露。

引擎的 TypeScript 源代码（编译后生成 calc.cjs 的版本）目前尚未公开。计划于 2026 年第三至第四季度随 v2 的复杂度升级一同发布。许可证选择（AGPL-3.0 还是 MIT）尚待决定。我们暂缓发布源代码，恰恰是为了等 v2 发布后再公开，这样源代码公开时便能经得起专家的审视，而不是陷入“请别把它批得体无完肤”的窘境。

维护者

• Pattrick（Mythsensus 创始人）
• Claude（AI 助手，Anthropic）——在一次协作过程中起草了此 MCP 包装器

问题和反馈：发送邮件至 [email protected]，或使用 https://mythsensus.com/?utm_source=mcp&utm_medium=readme 上的联系表单——GitHub 问题跟踪器目前因账户审核而暂时无法访问，因此请通过邮件联系，不要以为这里没人处理。

许可证

MCP 包装器代码采用 MIT 许可证。打包在 src/engine/ 中的编译引擎在此 MCP 包中使用时也遵循相同的 MIT 条款；底层 TypeScript 源代码则仍待单独决定许可证，预计在 2026 年第三至第四季度公开发布前确定。

相关链接

• 网站：https://mythsensus.com/?utm_source=mcp&utm_medium=readme
• llms.txt（面向 AI 的说明）：https://mythsensus.com/llms.txt
• 工作原理：https://mythsensus.com/how-it-works?utm_source=mcp&utm_medium=readme
• 43 页报告示例：https://mythsensus.com/sample-report?utm_source=mcp&utm_medium=readme
• 定价：https://mythsensus.com/pricing?utm_source=mcp&utm_medium=readme