Metis Public Health

🩺 Dies ist die Public Health & Epidemiologie-Edition

Metis_PH wird mit einer vorinstallierten Public-Health-Wissensebene geliefert — WHO-Leitlinien, Global-Health-Berichte und Epidemiologie-/Methodenreferenzen —, sodass Sie vom ersten Tag an fundierte, zitierte Fragen stellen können, ohne zuerst einen Korpus aufzubauen. Die domänenagnostische Basis-Shell (SVerITG/Metis) ist in jeder anderen Hinsicht identisch; sie wird leer geliefert und baut die Wissensebene Ihres Fachgebiets durch den Einrichtungsfragebogen auf.

In Aktion

Related MCP server: RecallForge

Warum Forscher ihm vertrauen

• 📚 Es zitiert Ihre eigenen Quellen. Wissensantworten sind in Ihrer indexierten Bibliothek verankert, mit Zitaten auf Dokument- und Seitenebene — nicht mit den Vermutungen des Modells. Ihre Bibliothek fundiert die Antwort; sie grenzt sie nicht ein. Metis bringt dennoch aktuelle Literatur, Richtlinien und breiteres Wissen ein, wo es relevant ist, und sagt Ihnen, was was ist — sodass alles, was es wert ist, zitiert zu werden und Sie es noch nicht haben, zu einem Papier wird, das Sie hinzufügen können.

• 🔗 Es verbindet alles, was Sie wissen. Jedes Papier, jedes Besprechungstranskript, jede Idee, jede Notiz, jeder Journaleintrag und jede Aufgabe ist mit dem Rest Ihrer Arbeit verknüpft. Das Förderprojekt, das Sie heute schreiben, bringt ein Methodenpapier von letztem Jahr und eine Besprechungsnotiz vom März hervor — Sie müssen nie suchen; Metis bringt es zu Ihnen.

• 🧠 Es leitet an den richtigen Experten weiter. Fragen Sie in einfacher Sprache, und Metis übergibt die Arbeit an den richtigen seiner 30+ Spezialfähigkeiten — Librarian, Methods Coach, Writing Partner, Meeting Memory, Epidemiologist, Course Builder und mehr.

• 🔁 Es verbessert sich selbst. Nach jeder Aufgabe protokolliert es, was funktioniert hat und was zu kurz kam; jede Woche entwirft es Verbesserungen für sein eigenes Verhalten und wartet auf Ihre Genehmigung. Die meisten MCP-Server sind statisch — Metis wird schärfer, je länger Sie es nutzen.

• 🚫 Es weigert sich zu erfinden. Fragen Sie nach etwas, das nicht in Ihrer Bibliothek ist, und Metis sagt Ihnen das, anstatt eine plausibel klingende Antwort zu erfinden. (Dieses Verankerungsverhalten wird durch einen automatisierten Test abgedeckt.)

• 🔒 Es bleibt auf Ihrem Rechner. Lokale Einbettungen, lokale Datenbank, lokale Dateien. Ihre Papiere, patientennahe Daten und unveröffentlichte Arbeiten verlassen nie Ihren Computer.

🎥 Sehen Sie es oben in Aktion — das Dashboard, ein Rundgang durch die Tabs, die stille Ebene in Claude Desktop und Metis, das seine eigene Arbeit verbessert.

Am einfachsten ausprobieren: Installieren Sie Claude Desktop und führen Sie die 3-Schritte-Einrichtung durch — ein Demo-Arbeitsbereich ist vorinstalliert, sodass Sie mit etwas zum Erkunden starten statt mit einem leeren Bildschirm.

Für wen ist das?

🔬 Ich bin Forscher

Kein Programmierhintergrund nötig. In Minuten installiert, sofort arbeitsfähig. Alles, was Metis tut, wird in einfacher Sprache erklärt.

→ Erste Schritte (3 Schritte)

⚙️ Ich bin Entwickler

Open-Source, erweiterbar, gut architekturiert. Erstellen Sie Domain-Pakete, fügen Sie Agenten hinzu, erweitern Sie den MCP-Server oder stellen Sie ihn für Ihre Einrichtung bereit.

→ Architektur erkunden

Was ist Metis?

Metis ist ein Forschungsbegleiter, der auf Claude aufbaut und Ihre Daten auf Ihrem eigenen Rechner hält. Es gibt jedem KI-Gespräch ein dauerhaftes Gedächtnis für Ihr Fachgebiet, Ihre Papiere, Ihre Projekte und Ihre Arbeitshistorie. Es leitet Ihre Anfragen an den richtigen Spezialisten weiter, erledigt die Arbeit, protokolliert das Ergebnis und gibt eine klare Antwort — ohne dass Sie etwas prompten oder konfigurieren müssen.

Die App läuft auf Ihrem Rechner und Ihre Daten bleiben dort — Ihre Dokumente, Notizen, Einbettungen und Ihr Gedächtnis verlassen ihn nie. Die Argumentation wird von Claude betrieben, sodass der Text, den Sie zur Analyse senden, an die Anthropic API geht; alles andere ist lokal. (Siehe Datenschutz für genau das, was Ihren Rechner verlässt, und wann.)

Die Kurzversion: Stellen Sie sich eine KI vor, die Ihr Fachgebiet und Ihre Literatur bereits kannte, jedes Papier, jede Besprechung, jede Idee und jede Notiz, die Sie festgehalten haben, verband, jede Anfrage an den richtigen Spezialisten schickte — und mit der Zeit schärfer in Bezug auf Ihre Arbeit und auf sich selbst wurde. Das ist Metis.

So funktioniert's

Metis ist keine separate App, bei der Sie sich anmelden. Es ist ein kleiner Dienst, der leise im Hintergrund läuft und Claude mit Ihrer Forschung verbindet — Ihren Papieren, Ihrem Gedächtnis, Ihren Projekten.

1. Ein Hintergrunddienst (der „MCP-Server") startet mit Ihrem Computer. Er ist die Brücke zwischen Claude und Ihren Dateien — Sie interagieren nie direkt mit ihm.

2. Sie sprechen mit Metis über Claude, auf zwei Arten:

   • Claude Desktop (am einfachsten): Öffnen Sie es und wählen Sie einen Metis-Prompt (z. B. Metis, Metis Doctor) aus dem Prompt-Menü — oder fragen Sie einfach.

   • Claude Code (Terminal): Geben Sie /metis gefolgt von Ihrer Anfrage ein.

3. Sie fragen in einfacher Sprache. Metis ermittelt, welcher seiner 30+ Spezialisten zuständig ist, erledigt die Arbeit mit Ihrer Bibliothek und Ihrem Gedächtnis und antwortet — mit Quellenangaben.

Das ist alles. Es gibt nichts zu lernen, bevor Sie beginnen; das Dashboard ist optionale Sichtbarkeit obendrauf.

Design-Philosophie

Jedes KI-Gespräch beginnt bei null. Sie verbringen zehn Minuten damit, Ihren Kontext erneut zu erklären, und wenn die Sitzung endet, ist er weg. Generische KI-Tools sind mächtig, aber zustandslos — sie wissen alles über die Welt und nichts über Sie.

Metis basiert auf einer Idee: Die KI sollte Sie kennen. Und sie sollte immer besser werden — von selbst.

Nicht nur Ihren Namen — Ihr Fachgebiet, Ihre Literatur, Ihre Projekte, Ihren bevorzugten Arbeitsstil, Ihre offenen Fragen, Ihre Besprechungsnotizen von letztem Monat und das Papier, das Sie gestern zu Ihrer Bibliothek hinzugefügt haben. Je länger Sie Metis nutzen, desto besser wird jede Antwort. Nicht weil sich die KI ändert — sondern weil Metis Sie besser kennt.

Sie müssen die Entwicklungen in der KI nicht verfolgen. Metis tut das für Sie. Jede Woche überprüft Metis seine eigene Leistung über alle Ihre Sitzungen hinweg, identifiziert, wo es besser hätte sein können, entwirft Verbesserungen für sein eigenes Verhalten und wartet auf Ihre Genehmigung, bevor es sie anwendet. Wenn bessere Methoden und Modelle verfügbar werden, werden diese Verbesserungen auf dieselbe Weise einbezogen — immer zur Genehmigung vorgeschlagen, nie hinter Ihrem Rücken angewendet. Als Forscher konzentrieren Sie sich auf Ihre Forschung. Metis kümmert sich darum, sich selbst scharf zu halten.

Der Kernmechanismus ist Kreuzbestäubung. Jedes Mal, wenn du eine Idee festhältst, ein Paper hinzufügst, ein Meeting protokollierst oder eine Aufgabe abschließt, verbindet Metis sie mit allem anderen in deinem Forschungsuniversum. Ein Paper, das du vor einem Jahr indexiert hast, taucht auf, wenn du heute einen Förderantrag schreibst. Eine Meeting-Notiz vom März verlinkt auf die Idee, die du heute Morgen festgehalten hast. Eine offene Frage von vor sechs Monaten verbindet sich mit einem neuen Paper, das gerade erschienen ist. Diese Verbindungen entstehen automatisch, im Hintergrund, ohne dass du danach suchen musst. Das macht Metis zu einem Forschungsbegleiter und nicht zu einem Suchwerkzeug – es denkt über dein gesamtes Werk hinweg, sodass du nicht alles im Kopf behalten musst.

Das ist wirklich Neuland. Die einzelnen Komponenten – lokale Sprachmodelle, retrieval-gestützte Generierung, Agenten-Routing, Vektorsuche – existieren alle unabhängig voneinander. Was Metis bietet, ist eine kohärente Integration all dieser Elemente, maßgeschneidert für die spezifischen Anforderungen der Forschungsarbeit: lange Zeiträume, sensible Daten, tiefe Literatur und Wissen, das über Jahre hinweg wächst. Ein System, das mit dir wächst und Verbindungen für dich aufdeckt – statt bei jeder Sitzung bei null anzufangen. Unseres Wissens existiert nichts Vergleichbares als ein einheitliches, lokal laufendes, forschungsorientiertes System.

Drei Ebenen – wähle deinen Einstiegspunkt

Wo wir heute stehen: Der MCP-Server, die 30+ Agenten und das 9-Tab-Dashboard sind voll funktionsfähig und werden täglich genutzt. Der Ein-Klick-Installer und die vorinstallierte Domänenwissensschicht werden noch verfeinert. Dies ist ein funktionierendes System – keine Luftnummer – aber es ist auch noch nicht fertig. Wenn etwas kaputtgeht, öffne bitte ein Issue. Dieses Feedback bestimmt, was als Nächstes gebaut wird.

Für Forschende

Kein Programmierhintergrund nötig. Alles unten ist Punkt-und-Klick oder Kopieren-und-Einfügen.

Wie Metis betrieben wird – du entscheidest (du verbrennst keine API-Tokens, nur weil du es nutzt)

Metis läuft auf zwei Arten, und du wählst:

• Über dein Claude-Abonnement – kein API-Schlüssel, keine Kosten pro Token. Das ist der Alltagsweg: Du sprichst mit Metis über Claude Desktop oder Claude Code, und die „✦ Mit Claude aktualisieren“-/Brainstorm-Buttons des Dashboards öffnen Claude Desktop über dein Abonnement. Die meisten Menschen nutzen Metis vollständig auf diese Weise.

• Mit einem Anthropic-API-Schlüssel – nur nötig für Dinge, die laufen, während du nicht da bist: der geplante Morgen-Scan und die automatisierte Brief-Erstellung. Kosten pro Token, in der Regel ein paar Cent pro Tag.

• Mit einem lokalen Modell (Ollama) – optional, für vollständig offline Helferaufgaben (z. B. der Datenassistent).

Der Installer fragt nach einem API-Schlüssel, damit Automatisierung laufen kann, aber du kannst ihn überspringen und Metis allein über dein Abonnement nutzen. Nichts im interaktiven Erlebnis erfordert die API.

Installation in 3 Schritten

Schritt 1 – (Optional) Einen Anthropic-API-Schlüssel besorgen – nur für unbeaufsichtigte Automatisierung (kostenlos, 2 Minuten)

1. Gehe zu console.anthropic.com und erstelle ein Konto.

2. Klicke auf API Keys → Create Key. Kopiere den Schlüssel (er beginnt mit sk-ant-…).

3. Lass diesen Tab offen – der Installer wird einmal danach fragen.

Der Schlüssel bleibt auf deinem Computer. Er wird niemals hochgeladen oder geteilt.

Windows

⬇ MetisSetup.exe herunterladen

Doppelklicke auf den Installer. Der Assistent führt dich durch:

1. Voll oder Nur KI – Voll gibt dir den KI-Assistenten + 9-Tab-Forschungsdashboard (~15 Min.). Nur KI ist schneller (~5 Min.) und du kannst das Dashboard später hinzufügen.

2. Deine Projekte – Sage Metis, woran du arbeitest. Es erstellt einen Tracking-Datensatz für jedes Projekt, schreibt eine Kontextdatei in den Projektordner und registriert es automatisch in Claude Desktop.

3. Demo-Arbeitsbereich – Lädt realistische Beispielprojekte, Meetings, Literatur und Aufgaben vor, damit du jede Funktion sofort erkunden kannst. Für Erstnutzer empfohlen.

4. API-Schlüssel – Füge ihn einmal ein.

Alles andere ist automatisch. Claude Desktop öffnet sich am Ende mit einsatzbereitem Metis.

Anforderungen: Windows 10 oder 11 · Internetverbindung · API-Schlüssel

macOS oder Linux

Öffne das Terminal und füge ein:

bash <(curl -fsSL https://raw.githubusercontent.com/SVerITG/Metis_PH/main/system/mcp-server/setup-mcp.sh)

Das Skript stellt zwei Fragen (Voll oder Nur KI, Demo-Arbeitsbereich) und erledigt den Rest. Registriert Metis automatisch bei Claude Desktop und Claude Code. Funktioniert auf Ubuntu 20/22/24, Debian und macOS.

Anforderungen: Python 3.10–3.13. Der Installer bevorzugt uv (das sein eigenes Python 3.12 herunterlädt – keine Systempakete nötig). Wenn uv nicht verfügbar ist, fällt er auf dein System-Python zurück; auf einem nackten System benötigst du möglicherweise sudo apt install python3-venv. Sehr neues Python (3.14+) wird noch nicht unterstützt – einige Pakete veröffentlichen keine Wheels dafür. Wenn du auf „ensurepip is not available“ stößt, installiere uv (die Zeile oben) oder python3-venv und führe es erneut aus.

Nach der Installation – API-Schlüssel und Aktualisierung

API-Schlüssel (optional): Kopiere system/.env.example nach system/.env und füge deinen Schlüssel hinzu, oder der Installer fragt dich danach. Der Schlüssel ermöglicht automatisierte Funktionen (Morgen-Briefings, geplante Scans); die interaktive Nutzung über Claude funktioniert auch ohne ihn.

Aktualisierung nach git pull: Der MCP-Server läuft von einer lokalen Kopie des Quellcodes (nicht direkt aus dem Repo). Nach dem Ziehen neuer Codes synchronisierst du erneut mit:

bash system/mcp-server/setup-mcp.sh --update

Dies kopiert den Quellcode erneut, installiert das Paket neu und wendet Migrationen an – ohne den vollständigen Assistenten erneut auszuführen.

Metis-Ordner verschoben? Aktualisiere die Markierungsdatei unter ~/.local/share/metis-mcp/.metis-rc-root mit dem neuen Pfad oder führe den Installer erneut aus.

MCP-Client-Konfiguration

Der Installer registriert Metis automatisch bei Claude Desktop und Claude Code – normalerweise musst du keine Konfiguration von Hand bearbeiten. Die Blöcke unten dienen als Referenz (und für MCP-Verzeichnisse): Sie zeigen, wie der metis-rc-Server eingebunden ist.

Metis ist kein einzeiliger npx/uvx-Server. Führe zuerst den Installer aus – er baut die lokale virtuelle Umgebung, initialisiert die Datenbank und erzeugt das Startskript (run.sh), auf das die folgenden Konfigurationen verweisen.

Schritt 0 – Installation (baut die venv + DB, erzeugt run.sh):

bash system/mcp-server/setup-mcp.sh

Claude Code (jedes Betriebssystem) – vom Installer für dich erledigt, oder manuell hinzufügen:

claude mcp add metis-rc ~/.local/share/metis-mcp/run.sh

Claude Desktop – macOS – in ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "bash",
      "args": ["/Users/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Claude Desktop – Linux (nativ) – in ~/.config/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "bash",
      "args": ["/home/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Claude Desktop – Windows + WSL – in %APPDATA%\Claude\claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "wsl",
      "args": ["-e", "/home/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Ersetze <you> durch deinen Benutzernamen. Das erzeugte run.sh löst METIS_RC_ROOT zur Laufzeit über eine Markierungsdatei auf – keine fest codierten Pfade. Zum Ausführen des Servers selbst ist kein API-Schlüssel erforderlich.

Was du am ersten Tag bekommst

Kern-Workflows

Morgen

Wake up
  └─ Metis scanned overnight
       ├─ New papers on your configured research topics
       ├─ Surveillance alerts and field news
       ├─ Tasks due today, overdue items
       └─ Suggested daily focus based on your open projects
           └─ Open dashboard → read morning brief → start work

Literatur

New paper (PDF / DOI / Zotero / Mendeley import)
  └─ Librarian indexes it
       ├─ Added to knowledge graph
       ├─ Cross-pollinated with existing papers, past ideas, meeting notes
       └─ Available for cited semantic search immediately
           └─ Ask: "What do my papers say about X?"
                └─ Answered with inline citations from your own library

Besprechungen

Meeting ends
  ├─ Paste transcript (Teams / Zoom / any audio file)
  └─ Meeting Memory agent processes it
       ├─ Structured notes with context
       ├─ Action items: who does what, by when
       ├─ Cross-references to your projects and open questions
       └─ Follow-up tasks auto-added to Work tab

Ideen und Schreiben

Idea surfaces
  └─ Ctrl+K → capture instantly (i: idea · n: note · t: task · q: question)
       └─ Metis cross-pollinates immediately
            └─ Related papers + past ideas surfaced automatically
                 └─ Writing Partner → draft · Librarian → sources · Methods Coach → check argument

Lehren und Kurse

Course topic defined
  └─ Course Builder
       ├─ Generates lessons, slides, assessments, question banks
       ├─ Flags new papers relevant to your course automatically
       ├─ Gap analysis against current literature
       └─ Spaced repetition for your own knowledge maintenance

Das Dashboard

Das Dashboard mit 9 Registerkarten läuft lokal unter http://127.0.0.1:8080. Kein Konto, keine Cloud, kein Abonnement.

Die Registerkarte „Heute" – Morgenbriefing, aktives Projekt, Fortschritt, Nachrichtenradar und Schnellstatistiken. Alles auf Ihre Forschungsdomäne personalisiert.

Wie Metis Sie kennt

Wenn Sie Metis zum ersten Mal installieren, führt Sie ein Einrichtungsassistent durch Ihr Profil:

Forschungsdomäne · spezifische Interessen · aktive Projekte · Arbeitsstil · verwendete Tools · Datensensibilitätsstufe

Dies erstellt Ihre Identitätskarte – ein lebendiges Profil, das jeder Agent liest, bevor er Ihnen antwortet. Es wächst im Laufe der Zeit. Jede Sitzung fügt Kontext hinzu. Jede Idee, die Sie erfassen, sagt Metis, worüber Sie nachdenken.

Eine Frage, die nach sechs Monaten Nutzung gestellt wird, erhält eine deutlich bessere Antwort als dieselbe Frage am ersten Tag – nicht weil sich die KI geändert hat, sondern weil Metis Sie besser kennt.

Datenschutz

Forschende gehen mit sensiblen Daten um. Die meisten KI-Tools nehmen das nicht ernst.

Patientendaten, unter Embargo stehende Ergebnisse, unveröffentlichte Befunde – diese sollten niemals Ihren Rechner verlassen. Metis wurde von Anfang an mit diesem Gedanken entwickelt.

Was Ihren Rechner verlässt (und wann):

Alles andere – Ihre Dokumente, Sprachaufnahmen, PDF-Text, Besprechungsnotizen, patientenbezogene Daten – bleibt auf der Festplatte.

Sicherheitsebenen:

Das empfohlene Muster für sensible Daten: Code senden, nicht Daten.

Der stärkste Schutz ist kein Scanner — es ist, die Rohdaten gar nicht erst in einen Prompt zu legen. Metis ist dafür gebaut. Bitte es um ein Analysescript (R oder Python); du führst es auf deinem eigenen Rechner gegen deine echten Daten aus; und nur die abgeleiteten Ausgaben — Variablennamen, Wertanzahlen, Zusammenfassungstabellen, Modellkoeffizienten, ein Datenwörterbuch — kommen zu Metis zurück. Claude denkt über die Form deiner Daten nach, niemals über die Datensätze.

Your real dataset (patient rows)         ── stays on your machine, never sent ──┐
        │ you run Metis's R/Python script locally                               │
        ▼                                                                       │
Derived metadata (column names, unique values, Table 1, model summary) ── safe to share ──► Metis
        │                                                                       │
        ▼                                                                       │
Metis builds the dashboard / writes the methods / interprets the model ◄────────┘

Genau so wurden die Dashboards und Analysen in unserer eigenen Arbeit erstellt: Die Roh-Surveillance-Daten haben den Rechner nie verlassen, und doch konnte Metis sie profilieren, jede Variable benennen, eindeutige Werte auflisten und ein vollständiges Dashboard generieren.

Führe einfach /safe-analysis aus (Claude Code oder Claude Desktop) und Metis führt dich Schritt für Schritt durch den gesamten Prozess — es schlägt das lokale Script vor, sagt dir genau, welche Metadaten du zurück einfügen sollst, und fragt nie nach Rohzeilen. Zwei Sicherheitsnetze liegen darunter: Der Pre-Tool-Hook wirft einen Blick auf den Kopf einer Datendatei lokal und fragt, bevor Daten auf Einzelebene in die Konversation gelesen werden, und der Data Guardian (PII-Scan + 4-stufige Klassifizierung am Pipeline-Eingang) fängt sensible Inhalte ab, die doch in einen Prompt geraten. Mit dem obigen Muster muss normalerweise keiner von beiden auslösen.

Wie Metis aktuell bleibt — damit du es nicht musst

KI bewegt sich schnell. Neue Modelle, neue Fähigkeiten, neue Forschungswerkzeuge erscheinen jeden Monat. Die meisten Forschenden haben keine Zeit, dem zu folgen. Metis ist dafür entwickelt, das für dich zu übernehmen.

Nach jedem Agent-Lauf protokolliert Metis eine Reflexion — was gut lief, was zu kurz kam, welcher Kontext fehlte. Jede Woche aggregiert es diese zu Themen. Jede Woche entwirft es Verhaltensverbesserungen mit einer klaren Begründung. Du prüfst die Vorschläge im Metis-Tab — ein Klick zum Genehmigen, Ablehnen oder Bearbeiten — und die genehmigten Änderungen werden auf die Festplatte geschrieben.

Das bedeutet, dass Metis Woche für Woche besser darin wird, spezifisch mit dir zu arbeiten. Es bedeutet auch, dass du, wenn neue KI-Entwicklungen verfügbar werden und in Metis integriert werden, die Verbesserungen erhältst, ohne etwas tun zu müssen. Deine Aufgabe ist deine Forschung. Metis' Aufgabe ist es, scharf zu bleiben.

Die Selbstverbesserungsschleife im Detail:

1. Nach jedem Agent-Lauf — Reflexion protokolliert: was gut lief, was verbessert werden könnte, was fehlte

2. Wöchentlich — Themen über alle Sitzungen hinweg extrahiert; Muster identifiziert

3. Vorschlag entworfen — eine konkrete vorgeschlagene Änderung am Agent-Verhalten, mit Begründung

4. Du prüfst im Metis-Tab — genehmigen, ablehnen oder bearbeiten, bevor etwas angewendet wird

5. Mit Backup angewendet — das Update wird mit einem zeitgestempelten Rollback-Punkt geschrieben

Keine Änderung am Verhalten von Metis erfolgt jemals ohne deine ausdrückliche Genehmigung. Das System schlägt vor; du entscheidest.

Für Entwickler

Dieser Abschnitt setzt Vertrautheit mit Python, Git und der Kommandozeile voraus.

Architektur

flowchart LR
    U([Researcher])
    subgraph Harness["AI Harness (Claude Code / Desktop)"]
        METIS[Metis\nrouter agent]
        AGENTS[Specialist agents\n30+ agents]
        WATCHERS{{Watchers\nData Guardian · Cybersecurity}}
    end
    subgraph Platform
        MCP[MCP Server\n210+ tools\nFastMCP]
        DASH[Dashboard\nFastAPI + HTMX]
        DB[(SQLite\nWAL mode)]
    end
    subgraph Memory
        EPIS[Episodic]
        SEM[Semantic\nvector search]
        REFLEX[Reflexion log]
    end
    Skills[/CLI Skills\n/metis · /librarian · …/]

    U -->|asks| METIS
    U -->|clicks| DASH
    METIS -->|routes to| AGENTS
    AGENTS -->|uses| MCP
    MCP --- DB
    DASH --- DB
    WATCHERS -.guards.-> AGENTS
    AGENTS -->|writes| REFLEX
    REFLEX -->|proposes edits to| AGENTS
    MCP --- Memory
    Skills --> METIS

    style WATCHERS fill:#fff4e6,stroke:#9a7b3c
    style REFLEX fill:#eef4f1,stroke:#2d4a3a,stroke-dasharray:3 3

Stack

Speicher — 5 Ebenen

Wissensebene & fundierte Antworten (RAG)

Wenn du eine wissensintensive Frage stellst, ruft Metis relevante Passagen aus deiner indizierten Dokumentbibliothek ab, bevor der Spezialist-Agent antwortet. Der Agent stützt seine Antwort auf das, was er aus deiner Bibliothek lesen kann — nicht nur auf das, was er trainiert wurde, sich zu merken.

You ask Methods Coach:
"Which variance estimator should I use for my Poisson MLM with overdispersion?"

Metis retrieves before routing:
  → Leyland (2020) Multilevel Modelling for Public Health, p.142 — score 0.87
  → Bates lme4 vignette, p.28 — score 0.71

Methods Coach answers grounded in those passages, citing both sources.

Baue die Wissensebene deines Fachgebiets auf. Bei der Ersteinrichtung fragt der Forschungs-Hintergrund-Fragebogen des Assistenten den Background Maker ab, der die Literatur deiner Disziplin in den lokalen RAG-Speicher erntet, bereinigt und indiziert — sodass jeder Agent aus deinem Korpus antwortet, mit Zitaten. Erweitere ihn jederzeit mit /background build <topic>.

Vorinstallierte Wissensebenen (diese Ausgabe):

Sicherheitsebenen (Detail)

1. pre-tool-use.mjs — 13 Injection-Muster, Domain-Allowlist, Pfadbeschränkungen (jeder Tool-Aufruf)

2. guardrails.py — Injection-Probe auf allen externen Inhalten (Paper, Web, Transkripte)

3. safety.py — 11 PII-Prüfungen, 4-stufige Klassifizierung, sensible Daten werden am Pipeline-Eingang abgewiesen

4. constitution.md — 14 maschinenlesbare Regeln für tiefe und verkettete Agent-Läufe

5. red-lines.md — 5 nicht übersteuerbare Regeln, die auf Code-Ebene durchgesetzt werden

Token-Effizienz

• Modell-Routing — Haiku für Triage/Zusammenfassungen, Sonnet für die meiste Arbeit, Opus nur für tiefes Denken; die meiste tägliche Nutzung berührt Opus nie

• Chirurgische Kontextzusammenstellung — jeder Agent erhält nur den für seine Aufgabe relevanten Kontext, nicht die vollständige Historie

• Max-Turns-Schutz — stoppt bei 20 Turns, fordert /clear auf

• Sitzungsübergabe — unter 3 KB Zustandserfassung am Sitzungsende; kein erneutes Bezahlen für bereits etablierten Kontext

• Token-Pulse-Widget — Echtzeit-Nutzung im Dashboard sichtbar

Cross-KI-Unterstützung

Installationsoptionen

Option 1 — Einzelner Befehl (Linux, macOS, WSL)

bash <(curl -fsSL https://raw.githubusercontent.com/SVerITG/Metis_PH/main/system/mcp-server/setup-mcp.sh)

Erkennt Ubuntu 20/22/24, Debian, macOS Homebrew. Erstellt venv, installiert alle Abhängigkeiten, registriert bei Claude Code und Claude Desktop. Idempotent — sicher erneut auszuführen.

# Profile overrides (skip the interactive menu):
METIS_PROFILE=light    bash <(curl -fsSL ...)   # MCP server only (~5 min)
METIS_PROFILE=standard bash <(curl -fsSL ...)   # MCP + dashboard (~15 min)
METIS_PROFILE=full     bash <(curl -fsSL ...)   # Standard + scheduler (~25 min)

Option 2 — Klonen und installieren (beliebige Plattform)

git clone https://github.com/SVerITG/Metis_PH.git
cd Metis_PH/system/mcp-server
bash setup-mcp.sh

Option 3 — Manuell

git clone https://github.com/SVerITG/Metis_PH.git
cd Metis_PH/system/mcp-server
python3 -m venv .venv && source .venv/bin/activate
pip install -e "."

export METIS_RC_ROOT="$(pwd)/../.."
export ANTHROPIC_API_KEY="sk-ant-..."

python -m metis_mcp.server          # MCP server
cd ../app-py && bash run.sh         # Dashboard → http://127.0.0.1:8080

Option 4 — Docker (Plattform-Testmatrix)

# Full platform test — Ubuntu 24/22 + Debian in parallel
docker compose -f system/install/docker/docker-compose.test.yml up --build

# Production stack
docker compose -f system/install/docker/docker-compose.yml up -d

Bei Claude Code registrieren

~/.claude/settings.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "/home/<username>/.local/share/metis-mcp/run.sh"
    }
  }
}

Bei Claude Desktop registrieren (Windows + WSL)

%APPDATA%\Claude\claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "wsl.exe",
      "args": ["-e", "bash", "/home/<username>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Konfiguration

Abhängigkeiten

Editionen und Roadmap

Metis wird in verschiedenen Editionen ausgeliefert – eine domänenagnostische Basisschale und Domänenpakete, die fachspezifische Inhalte hinzufügen.

Was in jeder Domänen-Edition enthalten ist: vorkonfigurierte Zeitschriften + RSS-Feeds · Spezialagenten · Domänen-Ontologie · kuratierte Hintergrundwissensbibliothek

Möchten Sie ein Domänenpaket erstellen? Forken Sie Metis, fügen Sie die Wissensbibliothek, Agenten und RSS-Feeds Ihres Fachgebiets hinzu und eröffnen Sie einen PR.

Kurspakete (Bald verfügbar)

Eigenständige Kurspakete, die Sie in jede Metis-Installation einfügen können:

Eröffnen Sie ein Issue mit dem Label course-package, um zu pilotieren oder beizutragen.

Entwicklungsstatus

Mitwirken

Metis ist darauf ausgelegt, über eine einzelne Domäne und einen einzelnen Forscher hinauszuwachsen. Beiträge sind willkommen – insbesondere von Forschern, die es nutzen und wissen, was fehlt.

Siehe CONTRIBUTING.md für detaillierte Richtlinien.

Am meisten gesucht

Domänenpakete – der wirkungsvollste Beitrag. Ein Domänenpaket fügt hinzu: wichtige Zeitschriften + RSS-Feeds · Spezialagenten · eine Domänen-Ontologie · eine kuratierte Hintergrundbibliothek

Andere Beiträge mit großer Wirkung:

• Übersetzungen – die Assistenten- und Skill-Dateien sind nur auf Englisch; Übersetzungen ins Französische, Niederländische, Spanische, Deutsche würden Metis für viele weitere Forscher öffnen

• Installer-Tests – Windows .exe und PowerShell auf verwalteten Maschinen, Unternehmensumgebungen und unterschiedlicher Hardware; Berichte darüber, was funktioniert und was kaputt geht, sind wertvoll

• Neue Agenten und Skills – Spezialagenten für noch nicht abgedeckte Anwendungsfälle

• Sicherheitsüberprüfung – unabhängige Prüfung der Garantien, dass Daten lokal bleiben (was auf der Maschine bleibt vs. an die Claude-API gesendet wird), PII-Erkennung, Hook-Verhalten und Verfassungsdurchsetzung; wenn Sie eine Lücke finden, eröffnen Sie ein privates Issue

• Multi-AI-Unterstützung – bessere Unterstützung für Gemini und lokale Modelle (Ollama), insbesondere für Offline-Forschungsumgebungen

• Fehlerberichte und UX-Feedback – wenn etwas für Ihren Workflow nicht funktioniert, sagen Sie es

Änderungsprotokoll

Metis befindet sich in aktiver Entwicklung – siehe unten das Neueste. (Kürzlich: ein Routing-Gehirn, das lernt, wer antworten sollte, eine Personalisierungsebene, die sich merkt, wie Sie gerne arbeiten, und ein Sicherheitsdurchgang.)

Ende Juni 2026

Nach v1.0 – Juni 2026

Post-v1.0 — Mai 2026

v1.0 — Mai 2026

Erste stabile Version. Siehe system/config/release-notes-v1.0.md für alle Details.

Frühere Entwicklung (Phasen 0–9b)

Lizenz

AGPL-3.0 für die Codebasis — frei verwenden, modifizieren und forken, aber jede Version, die du als Dienst betreibst oder verteilst, muss ebenfalls unter AGPL-3.0 Open Source sein.

CC-BY-SA 4.0 für Kursinhalte und Lernmaterialien.