mcpField
F
federated-ai-commons

federated-ai-commons

本地服务
github.com/Toby-Self科研与教育015 周前更新

关于 federated-ai-commons

federated-ai-commons 是基于 Ostrom 公地治理原则的 Agent 仿真研究项目,用于测试治理框架在压力和对抗条件下的表现。其合规规则直接取自仿真逻辑,并用实际仿真数据验证。

主要功能

  1. 01运行、比较和扫描治理仿真
  2. 02检查治理规则合规性
  3. 03查询项目文档并运行测试
  4. 04比较集中式与联邦式资源分配
  5. 05查看实验发现、缺陷和修复记录

适用场景

  1. 01测试治理机制在压力下的表现
  2. 02检查紧急状态或资源转移提案
  3. 03比较不同资源分配架构
  4. 04追踪仿真中发现的治理漏洞

MCP 相关

MCP 服务提供运行、比较和扫描仿真的工具,并支持文档查询、测试执行和治理合规检查。合规规则依据仿真本身的决策逻辑,并经过仿真数据验证。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"toby-self-federated-ai-commons": {
"command": "uvx",
"args": [
"federated-ai-commons-mcp"
]
}
}
}
启动命令uvx federated-ai-commons-mcp

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypifederated-ai-commons-mcp0.1.1

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

渐进伦理模型

这是一个基于 Agent 的模拟,用于测试一套以 Elinor Ostrom 的公地治理原则为基础的后稀缺治理框架,在实际实现并经受对抗性压力测试后是否依然成立,而不只是理论上说得通。项目包含一个可运行的 MCP 服务,可将模拟作为可调用工具提供给 AI Agent;还包含一个无状态的“治理原语”,让 Agent 能够检查拟议操作是否符合框架规则。检查依据的是模拟自身的逻辑,而非根据描述重新实现的规则。

许可证: Apache 2.0。核心依赖: Mesa(用于 Python 的基于 Agent 的建模)。


值得一看的原因

这里真正值得一读的大部分内容,不在于模拟本身的存在,而在于其背后的严谨态度。每种机制的设计都预设了它可能存在失效模式;因此,多个真实漏洞、利用方式和错误结论得以发现并修复,而不是事后掩盖:

  • 有人发现,硬阈值紧急治理机制在默认条件下会导致危机统治永久持续(约 70–90% 的情况下),而非偶尔介入——这具体展示了一种真实的 AI 治理风险。后来,该机制被重新设计为基于同意(公民投票)而非强制;同样的模式随后也用于生态限制和共享资源冲突。
  • 直接测试民主政策投票后发现,它确实容易遭到操纵:搭便车策略通过形成数值上的多数,投票选出了最容易被利用的治理政策——这是一个真实结果,而非对民主制度的假设性担忧。
  • 研究发现,声誉奖励机制会让搭便车者在修复前将不劳而获的资源转化为声望;易货经济的价值函数会让交易策略在修复前严格劣于独自行动;进化适应度指标会让整个经济在修复前崩溃为单一文化。
  • “治理原语”的合规规则逐字提取自模拟的真实决策逻辑,并通过采集实际运行中的投票和转账进行验证——而不是只与自身逻辑进行比对,因为那样毫无证明意义。

所有发现、漏洞和修复的完整记录,按发生顺序列于 FINDINGS.md。


快速开始

pip install mesa pytest mcp networkx numpy
from asymptotic_ethics_model import AsymptoticEthicsModel

m = AsymptoticEthicsModel(200, 8, seed=1, coupled_governance=True,
                             rehabilitation_enabled=True, graduation_enabled=True)
for _ in range(300):
    m.step()

df = m.datacollector.get_model_vars_dataframe()
df.tail(10)

在信任任何更改之前,先运行回归测试套件:

pytest test_asymptotic_ethics_model.py -v

运行 MCP 服务(将模拟作为工具提供给 MCP 客户端,例如 Claude Desktop——有关确切的客户端配置,请参阅 asymptotic_ethics_mcp_server.py 中的文件头注释):

python3 asymptotic_ethics_mcp_server.py

仓库内容

文件说明
asymptotic_ethics_model.py模拟本身——约 2,300 行代码,包含 28 个相互独立的子系统中的约 132 个可选参数;这些参数默认全部关闭,以保留基线行为。
asymptotic_ethics_mcp_server.pyMCP 服务,将模拟作为 9 个可调用工具提供:运行/比较/扫描模拟、查询文档、执行测试套件,以及检查治理合规性。
governance_compliance.py三条无状态合规规则(紧急状态声明、资源转移、共享地点延续);每条规则都逐字提取自模拟逻辑,并通过真实采集的模拟数据进行验证。
reference_gateway.py一个经过验证的示例,展示如何以诚实的方式使用合规规则——在真实决策中将其作为多个信号之一(身份验证、速率限制、合规性),而非单独将其用作安全层。
test_asymptotic_ethics_model.py13 个已保存的回归测试,覆盖了其他所有内容所依赖的关键发现。
FINDINGS.md完整的实验记录——所有发现、漏洞和修复,均按顺序列出。
LICENSEApache License 2.0。

架构

  • Citizen — 行为策略、resources、reputation、 contribution、关系型 affinities、experience。除非启用 post_labor_economy_enabled,否则支付 effort_cost = contribution ** 2。
  • CommunityNode — 治理政策、care_load、crisis_severity、 emergency_declared,以及(取决于启用的子系统) 联邦信任/储备、延迟/距离状态,以及原材料经济中的生产和贸易状态。
  • SystemLedger — 两个真正独立的角色:迁移决策辅助工具,以及 ship_raw_materials();后者在结构上只关注原材料数量——这一点已通过测试套件中的直接源码检查验证,而非仅仅在文档字符串中声称。
  • AsymptoticEthicsModel — 协调所有子系统;它们均为可选启用,且默认设置为在禁用时保留原有行为。

两种完整的资源分配架构并存,且可直接比较:一种是集中式账本,另一种是完全联邦化的本地公地网络,使用基于信任的点对点协商——也包括模拟通信延迟的情形,与任何涉及分布式或地外协调的讨论都相关。


诚实界定范围

这是一个风格化的研究模拟——使用脚本化行为策略,而非自适应 Agent;不涉及实体生产,也不代表真实政治。它用于检验治理框架的内在逻辑是否自洽,并在实际尝试破坏框架时,揭示具体且可复现的失效模式。它并不能,也不可能证明该框架由真实机构和真实的人构建后会奏效。请阅读 FINDINGS.md,了解具体测试了什么、发现并修复了哪些问题,以及哪些问题仍未解决。

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。