Топологический движок AI-агентов (MCP-сервер)

Сервер Model Context Protocol (MCP), предоставляющий детерминированный топологический движок рабочих процессов для AI-агентов. Вместо использования открытых, непредсказуемых промптов с персоной, этот сервер взаимодействует с Cloudflare Workers для выполнения 10-шаговых конвейеров смены состояний на периферии, возвращая клиенту структурированные снимки прогресса и шаблоны итераций.

Обзор

Этот MCP-сервер действует как мост между AI-клиентами (такими как Claude Desktop, Cursor или Glama) и вычислительным движком топологии на периферии, работающим на Cloudflare Workers.

Он позволяет AI-агенту отображать (аналогизировать) намерение человека в фиксированный 10-шаговый конвейер смены состояний. Он поставляет 10 выходных снимков одновременно вместе с адаптивным JSON-шаблоном для заполнения пропусков для следующей итерации.

Related MCP server: project-planner-mcp

Ключевые возможности

• Соответствие протоколу: Реализовано с использованием официального Model Context Protocol (@modelcontextprotocol/sdk).

• Детерминированная топология: Выполняет фиксированные шаги решения задач на Cloudflare Edge, устраняя галлюцинаторные циклы и снижая потребление GPU/токенов.

• Человек в цикле (UX снимков): Возвращает 10 промежуточных снимков прогресса одновременно, позволяя пользователям просматривать временную шкалу и бесшовно выполнять откат.

• Адаптивный шаблон промпта: Добавляет адаптивную JSON-схему в конец выходных данных для плавной совместной доработки промптов человеком и ИИ.

Предоставляемые MCP-инструменты

Этот сервер предоставляет подключенным AI-клиентам следующие MCP-инструменты:

1. run_topology_pipeline

Выполняет 10-шаговый детерминированный топологический конвейер на Cloudflare Workers и возвращает 10 снимков смены состояний вместе с JSON-шаблоном итерации.

• Схема ввода (inputSchema):

  • task_description (строка, обязательно): Задача или намерение пользователя, которое необходимо обработать через топологию.

  • filled_template (объект, необязательно): JSON-объект, содержащий параметры или значения для заполнения пропусков, предоставленные человеком или выведенные агентом.

• Поведение и инструкции к промпту агента:

  1. AI-агент сопоставляет высокоуровневый запрос пользователя с фиксированными шагами топологии движка.

  2. Сервер вызывает API Cloudflare Workers для выполнения переходов состояний.

  3. Возвращает структурированную JSON-нагрузку, содержащую 10 снимков и appendix_template.

  4. AI-агент преобразует appendix_template в естественный разговорный формат, чтобы помочь человеку уточнить входные данные для последующих запусков.

Архитектура и схема взаимодействия

[Человек / AI-клиент (Claude, Cursor, Glama)] │ │ MCP-протокол (Stdio) ▼ [Этот MCP-сервер (контейнер Node.js)] │ │ HTTP POST (Edge REST API) ▼ [Движок Cloudflare Workers] └─ Выполняет топологию конечного автомата из 10 шагов и возвращает снимки

Переменные окружения

• WORKER_URL: URL-адрес вашей конечной точки Cloudflare Worker (например, https://my-topology-engine.my-agent-api.workers.dev).

Начало работы

Локальный запуск через Docker

# Build the Docker image
docker build -t mcp-topology-server .

# Run the MCP container
docker run -i --rm -e WORKER_URL="[https://my-topology-engine.my-agent-api.workers.dev](https://my-topology-engine.my-agent-api.workers.dev)" mcp-topology-server
Installation in Claude Desktop / MCP Clients
Add the following configuration to your claude_desktop_config.json:
{
  "mcpServers": {
    "topology-engine": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "WORKER_URL=[https://your-worker.workers.dev](https://your-worker.workers.dev)",
        "mcp-topology-server"
      ]
    }
  }
}