mcpField
N
Nefesh

Nefesh

远程服务
github.com/nefesh-ai健康医疗028 周前更新
代码仓库

关于 Nefesh

Nefesh 是托管的 MCP 与 A2A 服务,可将生物特征和文本信号转为供 AI Agent 使用的人类状态评估。工具涵盖压力评分、建议行动、触发因素记忆,以及先前应对是否降低压力的反馈。

主要功能

  1. 01融合生物特征与文本信号
  2. 02返回压力状态和建议行动
  3. 03跨会话反馈适应效果
  4. 04追踪触发因素与会话历史
  5. 05支持 MCP 和 A2A 协议

适用场景

  1. 01依据压力信号调整 Agent 响应
  2. 02检查干预是否降低压力
  3. 03查看触发因素与状态趋势

MCP 相关

Nefesh 提供申请与检查 API 密钥、摄取信号、获取人类状态、触发因素记忆和会话历史等工具。MCP 客户端通过远程 Streamable HTTP 端点连接。

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。

服务地址https://mcp.nefesh.ai/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

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。

全部服务地址
Streamable HTTPhttps://mcp.nefesh.ai/mcp需要授权

工具

4
参数类型必填说明
session_idstring是

详细介绍

Nefesh MCP + A2A 服务

一个 Model Context Protocol 和 Agent-to-Agent (A2A) 服务,让 AI Agent 能够实时感知人类的生理状态。

功能介绍

发送传感器数据(心率、语音、面部表情、文本情感),即可获得统一状态,以及 Agent 可直接执行的机器可读操作。无需进行提示词工程。

在第 2 次及之后的调用中,响应会包含 adaptation_effectiveness,告知 Agent 之前采取的方法是否有效。这是一个让 Agent 自我改进的闭环反馈系统。

适应效果(闭环)

大多数 API 只会提供状态。Nefesh 还会告诉你,针对该状态作出的响应是否有效。

在会话中第 2 次及之后的调用中,每个响应都会包含:

{
  "state": "focused",
  "stress_score": 45,
  "suggested_action": "simplify_and_focus",
  "adaptation_effectiveness": {
    "previous_action": "de-escalate_and_shorten",
    "previous_score": 68,
    "current_score": 45,
    "stress_delta": -23,
    "effective": true
  }
}

你的 Agent 可以读取 effective: true,确认之前的降级措施有效。如果 effective: false,Agent 就会调整策略。其他人类状态系统都不提供这种反馈闭环。

设置

选项 A:先连接,通过 Agent 获取密钥(最快)

添加配置,不填写 API 密钥——Agent 会自动获取密钥。

{
  "mcpServers": {
    "nefesh": {
      "url": "https://mcp.nefesh.ai/mcp"
    }
  }
}

然后向 Agent 提问:

“使用我的电子邮件地址为我获取一个免费的 Nefesh API 密钥”

Agent 会调用 request_api_key → 你点击一封电子邮件中的链接 → Agent 获取密钥。无需填写注册表单,也无需手动复制粘贴。之后,将密钥添加到配置中,以便在后续会话中使用:

{
  "mcpServers": {
    "nefesh": {
      "url": "https://mcp.nefesh.ai/mcp",
      "headers": {
        "X-Nefesh-Key": "nfsh_free_..."
      }
    }
  }
}
选项 B:先获取密钥,再连接

在 nefesh.ai/signup 注册(每月 1,000 次调用,无需信用卡),然后添加包含密钥的配置:

{
  "mcpServers": {
    "nefesh": {
      "url": "https://mcp.nefesh.ai/mcp",
      "headers": {
        "X-Nefesh-Key": "YOUR_API_KEY"
      }
    }
  }
}
各 Agent 对应的配置文件
Agent配置文件
Cursor~/.cursor/mcp.json
Windsurf~/.codeium/windsurf/mcp_config.json
Claude Desktop~/Library/Application Support/Claude/claude_desktop_config.json
Claude Code.mcp.json(项目根目录)
VS Code (Copilot).vscode/mcp.json 或 ~/Library/Application Support/Code/User/mcp.json
Clinecline_mcp_settings.json(通过 UI:“Configure MCP Servers”)
Continue.dev.continue/config.yaml
Roo Code.roo/mcp.json
Kiro (Amazon)~/.kiro/mcp.json
OpenClaw~/.config/openclaw/mcp.json
JetBrains IDEs设置 > 工具 > MCP 服务
Zed~/.config/zed/settings.json(使用 context_servers)
OpenAI Codex CLI~/.codex/config.toml
Goose CLI~/.config/goose/config.yaml
ChatGPT Desktop设置 > 应用 > 添加 MCP 服务(UI)
Gemini CLI设置(UI)
Augment设置面板(UI)
Replit集成页面(Web UI)
LibreChatlibrechat.yaml(可自托管)
VS Code (Copilot) — 使用 servers,而非 mcpServers
{
  "servers": {
    "nefesh": {
      "type": "http",
      "url": "https://mcp.nefesh.ai/mcp",
      "headers": {
        "X-Nefesh-Key": "<YOUR_API_KEY>"
      }
    }
  }
}
Zed — 在 settings.json 中使用 context_servers
{
  "context_servers": {
    "nefesh": {
      "settings": {
        "url": "https://mcp.nefesh.ai/mcp",
        "headers": {
          "X-Nefesh-Key": "<YOUR_API_KEY>"
        }
      }
    }
  }
}
OpenAI Codex CLI — 在 ~/.codex/config.toml 中使用 TOML
[mcp_servers.nefesh]
url = "https://mcp.nefesh.ai/mcp"
Continue.dev — 在 .continue/config.yaml 中使用 YAML
mcpServers:
  - name: nefesh
    type: streamable-http
    url: https://mcp.nefesh.ai/mcp

所有 Agent 均通过 Streamable HTTP 连接——无需本地安装。

A2A 集成(Agent-to-Agent Protocol v1.0)

Nefesh 也可作为兼容 A2A 的 Agent 使用。MCP 负责工具调用(你的 Agent 调用 Nefesh),而 A2A 支持 Agent 间协作——其他 AI Agent 可以将 Nefesh 视为同级伙伴并与之通信。

Agent 卡片: /.well-known/agent-card.json

A2A 端点: POST https://mcp.nefesh.ai/a2a(JSON-RPC 2.0)

A2A 技能描述
get-human-state压力状态(0-100)、suggested_action、adaptation_effectiveness
ingest-signals发送生物特征信号,接收统一状态
get-trigger-memory心理触发因素档案(活跃与已解决)
get-session-history带时间戳的历史记录及趋势

身份验证方式与 MCP 相同——使用 X-Nefesh-Key 标头或 Authorization: Bearer 令牌。免费套餐同时适用于这两种协议。

来源:nefesh-ai/nefesh-a2a · 文档:nefesh.ai/docs/a2a

MCP 工具

工具身份验证描述
request_api_key否申请免费 API 密钥。你必须先向用户询问其真实邮箱。不得编造或猜测邮箱。用户会收到一个必须点击的验证链接。使用 check_api_key_status 轮询,直到密钥就绪。
check_api_key_status否使用用户提供的同一邮箱轮询 API 密钥激活状态。返回 pending,或返回包含 API 密钥的 ready。
get_human_state是获取压力状态(0-100)、suggested_action(maintain/simplify/de-escalate/pause)和 adaptation_effectiveness——一个闭环指标,用于显示你之前的操作是否降低了压力。
ingest是发送生物特征信号(心率、HRV、语音语调、表情、情绪倾向以及 30 多个字段),并获取统一状态。添加 subject_id 以启用触发因素记忆。
get_trigger_memory是获取心理触发因素档案——哪些话题会引发压力(活跃),以及哪些话题随着时间推移已得到解决。
get_session_history是获取带时间戳的状态历史记录及趋势(上升/下降/稳定)。

自助开通的工作方式

你的 AI Agent 可以自主获取免费 API 密钥。你只需点击一封邮件中的链接。

  1. Agent 会询问你:“你的邮箱地址是什么?”
  2. Agent 调用 request_api_key(your_real_email)。此调用不需要 API 密钥。
  3. 你会收到一封验证邮件,并点击其中的链接
  4. Agent 每隔 10 秒调用一次 check_api_key_status(your_real_email) 进行轮询
  5. 验证完成后,Agent 会收到 API 密钥,并可使用所有其他工具

重要: Agent 必须使用你真实且可访问的邮箱地址。一次性邮箱会被屏蔽。必须由你点击验证链接才能激活密钥。

免费套餐:每月 1,000 次调用,支持所有信号类型,每分钟 10 个请求。无需信用卡。

快速测试

添加配置后,询问你的 AI Agent:

“你有哪些来自 Nefesh 的工具?”

它应该会列出上面的 6 个工具。

定价

套餐价格API 调用次数
免费$0每月 1,000 次,无需信用卡
Solo每月 $25每月 50,000 次
企业版定制定制 SLA

CLI 替代方案

相比 MCP,你更喜欢使用终端?使用 Nefesh CLI(对于 AI Agent,令牌成本比 MCP 低 10-32 倍):

npm install -g @nefesh/cli
nefesh ingest --session test --heart-rate 72 --tone calm
nefesh state test --json

GitHub:nefesh-ai/nefesh-cli

网关替代方案

想让 AI 自动调整?使用 Nefesh Cognitive Compute Router。将 LLM 基础 URL 更改为 gateway.nefesh.ai,网关便会根据生物特征状态调整系统提示词和温度。支持三种模式:兼容 OpenAI(/v1/chat/completions)、Anthropic 直通(/v1/messages)以及适用于任意后端的 Unified Anthropic。无需修改代码。

GitHub:nefesh-ai/nefesh-gateway

人体状态协议(HSP)

Nefesh 实现并维护人体状态协议,这是一项开放规范,用于在 AI 系统之间交换人体生理状态。HSP 定义了标准 JSON 格式,用于表示压力评分、行为建议和适应反馈,让任何 Agent 都能以互操作的方式生成或使用人体状态数据。Apache 2.0。

GitHub:nefesh-ai/human-state-protocol · 文档:nefesh.ai/docs/hsp

文档

隐私

  • 不上传视频或音频——边缘处理在客户端运行
  • 不存储个人身份信息(PII)
  • 符合 GDPR/BIPA 规定——通过 delete_subject 级联删除
  • 非医疗器械——仅用于情境化 AI 适配

许可证

MIT——参见 LICENSE。

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。