带有模型上下文协议的脑机接口（BCI-MCP）

该项目将脑机接口 (BCI) 技术与模型上下文协议 (MCP) 相结合，为神经信号采集、处理和人工智能交互创建一个强大的框架。

概述

BCI-MCP 结合了：

脑机接口（BCI） ：实时采集和处理神经信号
模型上下文协议（MCP） ：标准化AI通信接口

这种集成使得医疗保健、无障碍、研究和人机交互等领域的高级应用成为可能。

主要特点

BCI 核心功能

神经信号采集：实时捕捉大脑活动的电信号
信号处理：预处理、提取特征和分类脑信号
命令生成：将解释的脑信号转换为命令
反馈机制：提供反馈以帮助用户提高控制
实时操作：以最小延迟处理大脑活动

MCP 集成功能

标准化上下文共享：使用 MCP 将 BCI 数据与 AI 模型连接起来
工具曝光：让 BCI 功能可用于 AI 应用程序
可组合工作流程：构建结合 BCI 信号和 AI 处理的复杂操作
安全数据交换：实现隐私保护的神经数据传输

系统架构

BCI-MCP系统由几个关键组件组成：

┌─────────────────┐      ┌─────────────────┐      ┌─────────────────┐
│                 │      │                 │      │                 │
│  BCI Hardware   │──────│  BCI Software   │──────│   MCP Server    │
│                 │      │                 │      │                 │
└─────────────────┘      └─────────────────┘      └────────┬────────┘
                                                           │
                                                           │
                                                  ┌────────▼────────┐
                                                  │                 │
                                                  │  AI Applications │
                                                  │                 │
                                                  └─────────────────┘

入门

先决条件

Python 3.10+
兼容的EEG硬件（或使用模拟模式进行测试）
requirements.txt 中列出的其他依赖项

安装

# Clone the repository
git clone https://github.com/enkhbold470/bci-mcp.git
cd bci-mcp

# Create a virtual environment
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install dependencies
pip install -r requirements.txt

使用 Docker

为了更容易设置，您可以使用 Docker：

# Build and start all services
docker-compose up -d

# Access the documentation at http://localhost:8000
# The MCP server will be available at ws://localhost:8765

基本用法

# Start the MCP server
python src/main.py --server

# Or use the interactive console
python src/main.py --interactive

# List available EEG devices
python src/main.py --list-ports

# Record a 60-second BCI session
python src/main.py --port /dev/tty.usbmodem1101 --record 60

高级应用程序

BCI-MCP 集成支持一系列尖端应用：

医疗保健和无障碍

辅助技术：使行动不便人士能够控制设备
康复：通过实时反馈支持神经康复
诊断工具：辅助诊断神经系统疾病

研究与开发

神经科学研究：促进大脑功能和认知的研究
BCI 训练：加速学习和适应 BCI 控制
协议开发：建立神经数据交换标准

人工智能增强界面

自适应界面：根据神经信号和人工智能辅助进行调整的界面
意图识别：通过神经信号更好地理解用户意图
增强沟通：增强言语障碍人士的沟通能力

文档

项目文档托管在 GitHub Pages 上： https://enkhbold470.github.io/bci-mcp/

维护文档

本文档使用 MkDocs 和 Material 主题构建。更新文档：

对main分支上docs/目录中的 Markdown 文件进行更改
提交并将更改推送到main分支
GitHub Actions 工作流程将自动构建更新的文档并将其部署到 GitHub Pages

本地文档开发

要在本地使用文档：

安装所需的依赖项：
pip install mkdocs-material mkdocstrings mkdocstrings-python
运行本地服务器：
mkdocs serve
查看文档： http://localhost:8000

项目结构

.
├── docs/                  # Documentation files
│   ├── api/               # API Documentation
│   ├── features/          # Feature Documentation
│   ├── getting-started/   # Getting Started Guides
│   └── index.md           # Documentation Home Page
├── mkdocs.yml             # MkDocs Configuration
└── .github/workflows/     # GitHub Actions Workflows

贡献

欢迎贡献代码！欢迎提交 Pull 请求。

分叉存储库
创建功能分支（ git checkout -b feature/amazing-feature ）
提交您的更改（ git commit -m 'Add some amazing feature' ）
推送到分支（ git push origin feature/amazing-feature ）
打开拉取请求

执照

该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。

致谢

受到OpenBCI项目的启发
基于模型上下文协议框架构建
感谢神经科学和人工智能研究社区

接触

Enkhbold Ganbold - GitHub 个人资料

项目链接： https://github.com/enkhbold470/bci-mcp

BCI-MCP Server

Integrations