NexusMind
🧠 НексусМайнд
Интеллектуальное научное рассуждение посредством графа мыслей
🔍 Обзор
NexusMind использует графовые структуры для выполнения сложных научных рассуждений. Он реализует протокол контекста модели (MCP) для интеграции с приложениями ИИ, такими как Claude Desktop.
Основные моменты:
Обработка сложных научных запросов с использованием графических рассуждений
Динамическая оценка уверенности с многомерными оценками
Создан с использованием современного Python и FastAPI для высокой производительности
Dockerized для простоты развертывания
Модульная конструкция для расширяемости и настройки
Related MCP server: Adaptive Graph of Thoughts MCP Server
🌟 Основные характеристики
8-ступенчатый конвейер рассуждений
Основной процесс рассуждений представляет собой сложную 8-этапную последовательность:
🌱 Инициализация
Создает корневой узел из запроса
Устанавливает начальную структуру графа
Устанавливает базовый уровень уверенности
🧩 Разложение
Разбивает запрос на измерения
Определяет ключевые компоненты
Создает размерные узлы
🔬 Гипотеза/Планирование
Генерирует несколько гипотез
Создает стратегию рассуждения
Устанавливает критерии фальсификации
📊 Интеграция доказательств
Собирает подтверждающие доказательства
Связывает доказательства с гипотезами
Обновляет показатели уверенности
✂️ Обрезка/Объединение
Удаляет малоценные элементы
Объединяет похожие узлы
Оптимизирует структуру графа
🔍 Извлечение подграфа
Определяет соответствующие части
Фокусируется на путях с высокой ценностью
Создает целевые подграфы
📝 Состав
Синтезирует основные выводы
Создает последовательные идеи
Формирует исчерпывающий ответ
🤔 Отражение
Оценивает качество рассуждения
Определяет области улучшения
Окончательная оценка достоверности
Технические возможности
🧠 Графическое представление знаний : использует
networkxдля моделирования сложных взаимосвязей.🔄 Векторы динамической уверенности :
Эмпирическая поддержка
Теоретическая основа
Методологическая строгость
Согласование консенсуса
🔌 MCP Server : бесшовная интеграция с Claude Desktop
⚡ Высокопроизводительный API : современная реализация FastAPI
🐳 Простое развертывание : поддержка Docker и Docker Compose
🧩 Расширяемая архитектура : модульные компоненты для настройки
⚙️ Гибкая конфигурация : конфигурация Pydantic и YAML
🛠️ Технологический стек
📂 Структура проекта
asr-got-reimagined/
├── config/
│ ├── settings.yaml
│ └── claude_mcp_config.json
├── src/asr_got_reimagined/
│ ├── api/
│ │ ├── routes/
│ │ │ └── mcp.py
│ │ └── schemas.py
│ ├── domain/
│ │ ├── models/
│ │ │ ├── common.py
│ │ │ ├── graph_elements.py
│ │ │ └── graph_state.py
│ │ ├── services/
│ │ │ └── got_processor.py
│ │ ├── stages/
│ │ │ ├── base_stage.py
│ │ │ ├── stage_1_*.py
│ │ │ └── stage_2_*.py...
│ │ └── utils/
│ ├── main.py
│ └── app_setup.py
├── scripts/
├── Dockerfile
├── docker-compose.yml
└── pyproject.toml 🚀 Начало работы
Предпосылки
Python 3.13+ (образ Docker использует Python 3.13.3-slim-bookworm)
Поэзия : Для управления зависимостью
Docker и Docker Compose : для контейнерного развертывания
Установка и настройка (локальная разработка)
Клонируйте репозиторий :
git clone https://github.com/SaptaDey/NexusMind.git cd NexusMindУстановка зависимостей с помощью Poetry :
poetry installЭто создаст виртуальную среду и установит все необходимые пакеты, указанные в
pyproject.toml.Активируйте виртуальную среду :
poetry shellНастройте приложение :
При необходимости отрегулируйте настройки в
config/settings.yamlНастройте переменные среды или файл
.envдля конфиденциальной информации
Запустите сервер разработки :
python src/asr_got_reimagined/main.pyАльтернативно, для большего контроля:
uvicorn asr_got_reimagined.main:app --reload --host 0.0.0.0 --port 8000API будет доступен по адресу
http://localhost:8000.
Развертывание Docker
Соберите и запустите контейнеры Docker :
docker-compose up --buildДля отдельного режима:
docker-compose up --build -dОбраз Docker использует Python 3.13.3-slim-bookworm в качестве базового образа для повышения производительности и безопасности.
Доступ к API : API будет доступен по адресу
http://localhost:8000(или согласно настройкам вdocker-compose.yml).
🔌 Конечные точки API
Основные конечные точки
Конечная точка MCP :
POST /mcpДля связи с клиентами MCP, такими как Claude Desktop
Реализует протокол контекста модели для взаимодействия с ИИ
Проверка здоровья :
GET /healthБазовая проверка работоспособности для мониторинга и обнаружения услуг
Дополнительные конечные точки (планируется)
Запрос графика :
POST /api/graph/queryПрямой интерфейс для запросов ASR-GoT
Состояние графика :
GET /api/graph/{session_id}Получить текущее состояние графа рассуждений
Аналитика :
GET /api/analytics/{session_id}Получите метрики о процессе рассуждения
🧪 Тестирование и качество
Инструменты разработки
Тип безопасности :
Настраивается с помощью
mypy.iniиpyrightconfig.jsonИсправление проблем с типом логгера с помощью
python scripts/add_type_hints.py
Качество кода :
Полностью типизированная кодовая база с аннотациями типов
Доступны хуки Pre-commit:
poetry run pre-commit installАвтоматическое форматирование с помощью Ruff
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Hybrid human + AI expertise for faster, trusted answers and decisions via MCP Server.
The Dappier MCP server connects LLMs and AI agents to real-time, rights-cleared, proprietary data from trusted sources across various domains. It provides specialized knowledge through real-time web search, financial stock market and crypto data access, AI-powered content recommendations from premium publishers, and structured outputs with sub-300ms response times, enabling AI systems to respond to current events and trends.
The CustomGPT.ai MCP server is a fully managed, RAG-powered endpoint that connects large language models with private knowledge bases and external data sources. It provides tools for retrieval-augmented generation queries (send_message), data ingestion (upload_file), and source listing, enabling AI agents to query private documents like PDFs with high accuracy and real-time citations.
MCP server for building and testing AI agents with multi-model experimentation and insights.
Related MCP Servers
- AlicenseDqualityCmaintenanceA sophisticated MCP server that provides a multi-dimensional, adaptive reasoning framework for AI assistants, replacing linear reasoning with a graph-based architecture for more nuanced cognitive processes.160 npm33MIT
- AlicenseNot gradedqualityDmaintenanceA scientific reasoning framework that leverages graph structures and the Model Context Protocol (MCP) to process complex scientific queries through an Advanced Scientific Reasoning Graph-of-Thoughts (ASR-GoT) approach.31MIT
- AlicenseBqualityBmaintenanceAn MCP server that provides standardized access to biomedical knowledge bases and resources, enabling AI systems to retrieve verified information from sources like bioRxiv, EuropePMC, and various protein/gene databases.5233Apache 2.0
- AlicenseAqualityDmaintenanceAn MCP server that enhances sequential thinking with meta-cognitive capabilities including confidence tracking, hypothesis testing, and organized memory storage through graph-based libraries and structured JSON documents.1013MIT