mirror-mcp

mirror-mcp

一个 Model Context Protocol（MCP）服务，提供 reflect 工具，让大模型通过递归提问和 MCP 采样进行自我反思与内省。

概述

mirror-mcp 通过提供反思机制，让 AI 模型能够“审视自己”。当大模型使用 reflect 工具时，它可以向自己提问，并通过 Model Context Protocol 的采样功能获得回答。这会形成一个强大的反馈循环，用于自我分析、推理验证和迭代式问题解决。

功能

• 🪞 自我反思工具：让大模型能够向自己提问并获得计算得出的回答
• 🔄 MCP 采样集成：使用 Model Context Protocol 的采样机制生成回答
• 📦 可通过 npm 安装：易于安装和部署
• ⚡ 轻量级：依赖项极少，启动迅速
• 🔧 可配置：可自定义反思参数和采样选项

安装

在 VS Code 中快速安装

MCP 主机配置

对于其他兼容 MCP 的客户端，请添加以下配置：

{
  "type": "stdio",
  "command": "npx", 
  "args": ["mirror-mcp@latest"]
}

通过 npm 安装

npm install -g mirror-mcp

通过 npx 运行（无需安装）

npx mirror-mcp

从源代码构建

git clone https://github.com/toby/mirror-mcp.git
cd mirror-mcp
npm install
npm run build
npm start

API 参考

工具

reflect

使大模型能够向自己提问，并通过 MCP 采样获得回答。该工具支持自定义系统提示词和用户提示词，帮助大模型自主决定获取何种回答。

通过自定义提示词进行自主引导：

• 系统提示词：定义反思的角色或视角（例如，“专家教练”“批判性思考者”“创造性问题解决者”）
• 用户提示词：指定反思回答的格式、结构或侧重点
• 默认行为：未提供自定义提示词时，使用内置的反思指导，侧重于优势、弱点、假设和其他视角

参数：

• question（字符串，必填）：大模型想要向自己提出的问题
• context（字符串，可选）：反思所需的其他上下文
• system_prompt（字符串，可选）：用于引导反思方式的自定义系统提示词
• user_prompt（字符串，可选）：用于替换默认反思说明的自定义用户提示词
• max_tokens（数字，可选）：回答的最大 token 数（默认值：500）
• temperature（数字，可选）：采样温度（默认值：0.8）

示例：

{
  "name": "reflect",
  "arguments": {
    "question": "How confident am I in my previous analysis of the data?",
    "context": "Previous analysis showed a 23% increase in user engagement",
    "max_tokens": 300,
    "temperature": 0.6
  }
}

自定义提示词示例：

{
  "name": "reflect",
  "arguments": {
    "question": "What are the potential weaknesses in my reasoning?",
    "system_prompt": "You are an expert critical thinking coach helping to identify logical fallacies and reasoning gaps.",
    "user_prompt": "Analyze my reasoning step-by-step and provide specific examples of potential weaknesses or blind spots.",
    "context": "Working on a complex machine learning model evaluation",
    "max_tokens": 400,
    "temperature": 0.7
  }
}

响应：

{
  "reflection": "Upon reflection, my confidence in the 23% engagement increase analysis is moderate to high. The data sources appear reliable, and the methodology follows standard practices. However, I should consider potential confounding variables such as seasonal effects or concurrent marketing campaigns that might influence the results.",
  "metadata": {
    "tokens_used": 67,
    "reflection_time_ms": 1240
  }
}

架构与设计理念

设计理念

mirror-mcp 秉持这样的原则：自我反思对于可靠的 AI 推理至关重要。让模型能够质疑自身的输出和推理过程，可以带来以下机会：

• 错误检测：模型能够识别其逻辑中可能存在的缺陷
• 置信度校准：自我评估有助于判断置信程度
• 迭代改进：反思性提问可以带来更好的解决方案
• 元认知意识：理解模型自身的推理过程

技术架构

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   LLM Client    │───▶│   mirror-mcp    │───▶│  MCP Sampling   │
│                 │    │                 │    │   Infrastructure │
│ Calls reflect() │    │ Processes       │    │                 │
│                 │◀───│ reflection      │◀───│ Returns response│
└─────────────────┘    └─────────────────┘    └─────────────────┘

核心组件

1. 反思引擎：处理主动提出的自我反思问题
2. 采样接口：对接 MCP 的采样能力
3. 上下文管理器：维护对话上下文，确保反思连贯
4. 响应格式化器：组织反思响应，便于高效阅读

为什么选择 MCP？

Model Context Protocol 为 AI 模型连接外部资源和工具提供了一种标准化方式。通过将 mirror-mcp 实现为 MCP 服务，我们确保：

• 互操作性：适用于任何兼容 MCP 的客户端
• 标准化：遵循既定的工具集成协议
• 可扩展性：可与其他 MCP 服务一同部署
• 面向未来：受益于 MCP 生态系统的持续发展

采样策略

反思机制利用 MCP 的采样能力生成深思熟虑的响应。采样过程如下：

1. 将主动提出的自我反思问题作为提示词
2. 应用可配置的采样参数（温度、最大 token 数）
3. 使用底层模型生成响应
4. 返回附带相应元数据的反思内容

这种方式可确保反思使用与原始推理相同的模型能力生成，从而实现真实的自我评估。

开发

先决条件

• Node.js 18 或更高版本
• npm 或 yarn
• TypeScript（用于开发）

开发环境设置

git clone https://github.com/toby/mirror-mcp.git
cd mirror-mcp
npm install
npm run dev

测试

npm test

构建

npm run build

贡献

欢迎贡献！详情请参阅贡献指南。

贡献方向

• 改进反思策略
• 添加更多采样参数
• 优化性能
• 改进文档
• 扩大测试覆盖范围

相关项目

• Model Context Protocol：基础协议规范
• MCP 生态系统：其他各类 MCP 服务和工具

许可证

本项目采用 MIT 许可证，详情请参阅 LICENSE 文件。

致谢

• 感谢 Model Context Protocol 团队制定基础规范
• 感谢致力于元认知和自我反思研究的广大 AI 研究社区
• 感谢帮助塑造这款工具的贡献者和早期采用者

---

“未经审视的人生不值得过” ——苏格拉底

使用 mirror-mcp，让你的 AI 模型审视自身推理。