Mendicant MCP Server

MCPAI代理

提供方 zhadyz

AI代理 未标注 无需鉴权 社区 / 第三方 Claude

Mendicant MCP Server是一个高级概率编排智能系统,用于分布式AI代理协调,具有自适应贝叶斯推理、时间知识衰减和闭环学习等核心功能,适用于复杂AI代理系统的战略协调和优化。

一句话选型结论

按资料字段整理

Mendicant MCP Server 属于AI代理类 MCP 服务器,传输方式未标注,无需鉴权,可直接接入 Claude,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

AI代理协调TypeScript本地部署概率推理自适应学习分布式系统智能编排

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 已适配 Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Mendicant MCP Server当前 未标注 未标注 未标注 无 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方zhadyz上游标注的维护方 zhadyz
分类AI代理本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

13.6 KB
来自项目仓库与上游目录的原文,未做删改

Mendicant MCP服务器

分布式AI代理系统的高级概率编排智能。实现自适应贝叶斯推理、时间知识衰减和闭环学习,用于战略代理协调。

状态: 生产 · v0.5.1 · 131/131测试通过


快速开始

安装

CLI安装(推荐):```bash
claude mcp add mendicant-mcp-server


**手动配置:**

添加到MCP配置文件:

- **窗户:** `%APPDATA%\Claude\claude_desktop_config.json`
- **macOS:** `~/Library/Application Support/Claude/claude_desktop_config.json````json
{
"mcpServers": {
"mendicant": {
"command": "npx",
"args": ["-y", "mendicant-mcp-server"]
}
}
}

重新启动克劳德代码以激活。

基本命令

战略规划:```typescript
const plan = await mendicant_plan(
"implement authentication system",
{ project_type: "nextjs", has_tests: false }
);


**结果协调:**```typescript
const synthesis = await mendicant_coordinate(
"implement authentication system",
agent_results,
plan,
project_context
);

健康分析:```typescript
const analysis = await mendicant_analyze({
git_status: "...",
test_results: {...},
build_status: "failing"
});


**故障恢复:**```typescript
const failure_analysis = await mendicant_analyze_failure(
objective,
failed_agent_id,
error_message,
preceding_agents
);

const refined_plan = await mendicant_refine_plan(
original_plan,
failure_analysis,
objective
);

模式发现:```typescript
const patterns = await mendicant_find_patterns(
"implement real-time notifications",
{ project_type: "nextjs" }
);


______________________________________________________________________

## 仪表盘

该服务器包括一个实时网络仪表板,可在以下网址访问 `http://localhost:3000` (默认情况下自动启动)。

**特征:**

- 实时执行监控
- 代理性能指标
- Mahoraga学习可视化
- 模式分析界面

**配置:**```json
{
"env": {
"DASHBOARD_PORT": "3000",
"DASHBOARD_BRIDGE_PORT": "3001",
"MENDICANT_AUTO_LAUNCH_DASHBOARD": "true"
}
}

核心能力

自适应智能系统

  1. 贝叶斯置信度引擎 -等渗回归校准的概率推理
  2. 时间衰变引擎 -特定领域知识半衰期(45-730天)
  3. 反馈回路系统 -每次执行后的闭环学习
  4. 自适应执行器 -通过5种恢复策略实时修改计划
  5. 帕累托优化器 -多目标优化(准确性/成本/延迟)
  6. 预测冲突检测器 -主动冲突检测和解决
  7. 语义嵌入器 -多标签分类,便于客观理解
  8. Agent通信总线 -多代理协调基础设施

智能功能

语义代理匹配 -使用Mnemosyne BGE大型(本地、免费)或OpenAI嵌入(回退),基于向量嵌入的代理选择准确率为85-90%。

跨项目学习 -通过自动PII清理和作用域命名空间在项目之间进行隐私保护模式匹配。

混合实时同步 -关键操作在\<500ms内完成,非关键更新采用优雅的异步回退。


建筑```

User Request
↓
Claude Code
↓
mendicant_plan(objective, context)
├─ Semantic classification
├─ Temporal filtering
├─ Bayesian inference
├─ Conflict prediction
└─ Pareto optimization
↓
Adaptive Executor
├─ Agent execution
├─ State monitoring
├─ Recovery strategies
└─ Real-time replanning
↓
mendicant_coordinate(results)
├─ Output synthesis
├─ Conflict detection
└─ Recommendations
↓
Feedback Loop
├─ Update Bayesian priors
├─ Calibrate embeddings
├─ Learn conflict patterns
└─ Record to Mnemosyne


**设计理念:** MCP服务器中的自适应概率智能;Claude Code中的语义理解和执行。

______________________________________________________________________

## 文档

### 工具参考

#### 规划与协调

##### `mendicant_plan`

使用贝叶斯推理和时间过滤从目标创建战略编排计划。

**参数:**```typescript
{
objective: string;              // User&#x27;s objective
context?: {
project_type?: string;        // &quot;nextjs&quot; | &quot;python&quot; | &quot;rust&quot;
has_tests?: boolean;
linear_issues?: any[];
recent_errors?: any[];
};
constraints?: {
max_agents?: number;
prefer_parallel?: boolean;
max_tokens?: number;
};
past_executions?: any[];        // Mnemosyne integration
}

退货:```typescript
{
agents: AgentSpec[]; // Ordered agent sequence
execution_strategy: string; // "sequential" | "parallel" | "phased"
phases?: Phase[]; // Phased execution structure
success_criteria: string;
estimated_tokens: number;
pattern_matched?: string;
}


##### `mendicant_coordinate`

通过结构化输出和冲突检测综合多个代理的结果。

**参数:**```typescript
{
objective: string;
agent_results: AgentResult[];
plan?: object;                  // For Mahoraga learning
project_context?: object;       // For Mahoraga learning
}

退货:```typescript
{
synthesis: string; // Structured summary
conflicts: Conflict[]; // Detected conflicts
gaps: string[]; // Missing coverage
recommendations: string[];
verification_needed: boolean;
}


##### `mendicant_analyze`

分析项目健康状况并建议干预措施。

**参数:**```typescript
{
context: {
git_status?: string;
test_results?: object;
build_status?: string;
linear_issues?: any[];
recent_commits?: any[];
recent_errors?: any[];
}
}

退货:```typescript
{
health_score: number; // 0-100
critical_issues: Issue[];
recommendations: Recommendation[];
suggested_agents: string[];
}


#### 自适应学习(Mahoraga系统)

##### `mendicant_record_feedback`

记录代理执行反馈,用于被动学习。

**参数:**```typescript
{
agent_id: string;
success: boolean;
tokens_used?: number;
duration_ms?: number;
error?: string;
}
mendicant_predict_agents

使用历史模式预测代理成功率。

参数:```typescript
{
agent_ids: string[];
objective: string;
context?: object;
}


**退货:**```typescript
{
predictions: {
agent_id: string;
predicted_success_rate: number;
confidence: number;
similar_executions: number;
}[];
}
mendicant_analyze_failure

使用历史背景分析故障根本原因。

参数:```typescript
{
objective: string;
failed_agent_id: string;
error: string;
preceding_agents: string[];
context?: object;
}


**退货:**```typescript
{
failure_patterns: Pattern[];
root_cause_hypothesis: string;
avoidance_rules: string[];
suggested_fixes: string[];
alternative_agents: string[];
}
mendicant_refine_plan

使用Mahoraga模式分析优化失败的计划。

参数:```typescript
{
original_plan: object;
failure_context: object; // From analyze_failure
objective: string;
project_context?: object;
}


**退货:**```typescript
{
refined_plan: object;
changes_made: Change[];
reasoning: string;
confidence: number;
}
mendicant_find_patterns

使用KD树相似性搜索查找类似的成功执行模式。

参数:```typescript
{
objective: string;
context?: object;
limit?: number; // Default: 10
}


**退货:**```typescript
{
patterns: {
objective: string;
agents_used: string[];
similarity_score: number;
success_rate: number;
}[];
}
mendicant_discover_agents

在运行时注册新代理以进行动态代理发现。

参数:```typescript
{
agent_ids: string[];
}


##### `mendicant_list_learned_agents`

列出所有具有性能统计信息的代理。

**参数:**```typescript
{
ranked?: boolean;               // Sort by success rate
}

内置工作流模式

模式 · 关键字 · 代理序列 · 应用
脚手架 · 脚手架、设置、初始化 · 架构师→ 抄写员→ 空心眼→ loveless · 项目初始化
固定测试 · 测试、失败、调试 · 无爱→ 空心眼→ 无爱 · 测试失败解决方案
SECURITY_FIX · 安全、漏洞、CVE · 无爱→ 空心眼→ 无爱→ scribe · 安全补救
部署 · 部署、发布、CI/CD · 哨兵→ 扎兹→ loveless · 部署配置
功能实现 · 实现、特性、构建→ 建筑师→ 空心眼→ 无爱→ scribe · 功能开发
BUG_FIX · bug、问题、错误→ 空心眼→ 无爱 · 漏洞调查


版本历史记录

v0.5.1(2025-01-07)

  • npm包中捆绑的仪表板
  • 用于生产部署的静态文件
  • 端口配置修复
  • 零构建安装

v0.4.0-Mnemosyne BGE大型集成(2025-01-06)

  • 用Mnemosyne BGE big替换OpenAI嵌入
  • 三层缓存架构(内存/磁盘/持久)
  • 智能提供商自动检测
  • 每月运营成本为0美元
  • 100%测试覆盖率(131/131次测试)

v0.3.0-高级学习增强功能(2025-01-06)

  • 多维误差分类(4D分类)
  • 基于时间相关性的故障链检测
  • 预测性冲突检测
  • KD树模式匹配(O(log n)性能)
  • 具有聚合统计信息的滚动窗口内存
  • 100%测试覆盖率(45/45测试)

v0.2.0-高级自适应智能(2025-01-05)

  • 8个新的情报系统(4657行)
  • 贝叶斯概率推理
  • 实时自适应执行
  • 时间知识衰减
  • 多目标帕累托优化
  • 闭环学习基础设施

v0.1.1-初始版本(2025-01-04)

  • 核心编排规划
  • 带有性能跟踪的代理注册表
  • 基础Mahoraga自适应学习
  • 工作流模式模板

配置

语义匹配:```json
{
"features": {
"semanticMatching": {
"enabled": true,
"weight": 0.30,
"fallbackToKeywords": true
}
},
"embeddings": {
"provider": "mnemosyne",
"model": "bge-large-en-v1.5",
"dimensions": 1024,
"cache": {
"l1Size": 100,
"l2TTL": 86400,
"l3TTL": 7776000
}
}
}


**跨项目学习:**```json
{
&quot;crossProjectLearning&quot;: {
&quot;enabled&quot;: true,
&quot;scope&quot;: {
&quot;level&quot;: &quot;project&quot;,
&quot;identifier&quot;: &quot;my-app&quot;,
&quot;canShare&quot;: false,
&quot;sensitivity&quot;: &quot;internal&quot;
}
}
}

混合同步:```json
{
"hybridSync": {
"enabled": true,
"realtimeTimeout": 500,
"batchInterval": 30000
}
}


______________________________________________________________________

### 集成示例

**指挥系统集成:**```markdown
# .claude/commands/autonomous.md

Embody the mendicant_bias orchestration pattern.

1. Assess: mendicant_analyze({ test_results, git_status })
2. Plan: mendicant_plan(objective_from_analysis)
3. Execute: Task tool for each agent
4. Learn: mendicant_record_feedback({ agent_id, success })
5. Synthesize: mendicant_coordinate(results)

Mnemosyne集成:

将执行历史存储在Mnemosyne知识图中,以便跨会话进行持续学习。通过 past_executions 到 mendicant_plan 为了机构记忆。


性能特征

语义匹配(Mnemosyne BGE大):

度量 冷启动 热缓存(95%)
延迟 150-200ms 55-90ms
准确度 85-90% 85-90%
费用 免费 免费

自适应执行:

  • 恢复成功率:95%+
  • 计划适应延迟:\<500ms
  • 冲突预测准确率:~70%

学习系统:

  • 贝叶斯校准:Brier分数跟踪
  • 时间衰减:45-730天半衰期
  • 模式匹配:O(log n)KD树

发展

构建:```bash
npm install
npm run build


**观看模式:**```bash
npm run watch

测试:```bash
npm test # Run all tests
npm run test:watch # Watch mode


**调试日志记录:**

- 窗户: `%TEMP%\mendicant-debug.log`
- Unix: `/tmp/mendicant-debug.log`

**地方发展:**```json
{
&quot;mcpServers&quot;: {
&quot;mendicant&quot;: {
&quot;command&quot;: &quot;node&quot;,
&quot;args&quot;: [&quot;/mendicant-mcp-server/dist/index.js&quot;]
}
}
}

局限性

服务器功能:

  • ✅ 概率代理选择(贝叶斯推理)
  • ✅ 实时自适应执行
  • ✅ 时间知识衰减
  • ✅ 多目标优化
  • ✅ 预测性冲突检测
  • ✅ 语义目标分类
  • ✅ 闭环学习
  • ✅ 基于模式的规划

建筑边界:

  • ❌ 深入的语义理解(需要LLM-由Claude Code提供)
  • ❌ 特定于代码库的分析(必须提供上下文)
  • ❌ 代码合成(仅协调)
  • ❌ 直接文件系统操作(Claude Code处理此操作)

设计原理: MCP中的自适应概率智能;Claude Code中的语义理解和执行。


技术规格

依赖关系:

  • @modelcontextprotocol/sdk ^1.0.4
  • openai ^4.104.0(可选)

运行时间要求:

  • Node.js 16+
  • TypeScript 5.7.2

包装尺寸: 692.5 kB(310个文件)

测试覆盖范围: 131/131通过(100%)


参考文献

存储库: https://github.com/zhadyz/mendicant-mcp-server
问题: https://github.com/zhadyz/mendicant-mcp-server/issues
Mnemosyne MCP: https://github.com/zhadyz/mnemosyne-mcp
npm包: https://www.npmjs.com/package/mendicant-mcp-server

附加文件:

  • CYCLE5_FEATURES.md -功能文档
  • MIGRATION_GUIDE.md -升级指南
  • OPENAI_SETUP.md -OpenAI配置
  • 用法_ GIDE.md -详细用法

作者 扎兹
许可证: 麻省理工学院


注: Mahoraga系统通过贝叶斯推理、时间感知和持续学习展示了真正的自适应智能。这个名字反映了它的适应性。

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
Mendicant MCP Server 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Mendicant MCP Server 怎么在 Claude 里配置?

它的传输方式未标注,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Mendicant MCP Server 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Mendicant MCP Server 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Mendicant MCP Server 支持哪些客户端?

资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Mendicant MCP Server 能提供哪些能力?

资料显示能力标签包括 分布式系统、TypeScript、Claude。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。