ai-consensus-mcp

Ein minimaler Stdio-Model Context Protocol-Server, der das Consensus Validation Protocol als einzelnes consensus-Tool bereitstellt. Geben Sie Claude Code, Cursor, Windsurf — oder jedem anderen MCP-Host — eine echte Multi-Modell-Runde.

Ein schlanker Wrapper um ai-consensus-core. Ein Tool, eine Konfigurationsdatei, kein Drama.

Was Sie bekommen

• Ein MCP-Tool: consensus. Geben Sie eine Liste von Modellen + Personas an und führen Sie eine Debatte über mehrere Runden durch.

• Jeder OpenAI-kompatible Anbieter. xAI Grok, Anthropic (via OpenAI-kompatiblem Endpunkt), OpenAI, Groq, Together, Fireworks oder Ihr privates Gateway. Ein Adapter, konfigurierbar pro Teilnehmer.

• Live-Fortschritt. Jedes strukturierte Engine-Ereignis wird als MCP-Fortschrittsbenachrichtigung weitergeleitet — Hosts zeigen den Status von Runde/Teilnehmer/Meinungsverschiedenheit/Punktzahl in Echtzeit an.

• Wenig Abhängigkeiten. @modelcontextprotocol/sdk, zod, ai-consensus-core. SSE-Parsing ist natives fetch — keine Anbieter-SDKs.

Related MCP server: Claude Code AI Collaboration MCP Server

Das Protokoll

Für das eigentliche Protokoll — Runden, Phasen, Prompts, Bewertung — siehe das ai-consensus-core Protokoll-Diagramm. Diese README behandelt nur die Server-Oberfläche.

Installation

Via npm:

# Globally, for use as a binary
npm install -g ai-consensus-mcp

# Or as a project dependency
npm install ai-consensus-mcp

Oder klonen und ausführen:

git clone https://github.com/entropyvortex/ai-consensus-mcp.git
cd ai-consensus-mcp
npm install
npm run build

Konfiguration

Kopieren Sie das Beispiel und bearbeiten Sie es:

cp consensus.config.example.json ./consensus.config.json

Minimale Form:

{
  "providers": {
    "xai": {
      "baseUrl": "https://api.x.ai/v1",
      "apiKeyEnv": "GROK_API_KEY"
    },
    "anthropic": {
      "baseUrl": "https://api.anthropic.com/v1",
      "apiKeyEnv": "ANTHROPIC_API_KEY"
    }
  },
  "participants": [
    { "id": "grok",   "provider": "xai",       "modelId": "grok-4",            "personaId": "pessimist" },
    { "id": "domain", "provider": "anthropic", "modelId": "claude-sonnet-4-6", "personaId": "domain-expert" },
    { "id": "devil",  "provider": "xai",       "modelId": "grok-4",            "personaId": "devils-advocate" }
  ],
  "judge": {
    "provider": "xai",
    "modelId": "grok-4"
  }
}

Konfigurationsreferenz

providers.<id>.baseUrl         string   OpenAI-compatible base URL. No trailing /chat/completions.
providers.<id>.apiKeyEnv       string   Name of the env var holding the API key.
providers.<id>.extraHeaders    object?  Static headers sent on every request (rarely needed).

participants[].id              string   Stable participant id (appears in events + progress).
participants[].provider        string   Key into providers.
participants[].modelId         string   Opaque model id the provider accepts.
participants[].personaId       enum     One of: pessimist, first-principles, vc-specialist,
                                        scientific-skeptic, optimistic-futurist,
                                        devils-advocate, domain-expert.
participants[].label           string?  Optional display label.

judge.provider                 string?  Key into providers.
judge.modelId                  string?  Opaque judge model id.
judge.temperature              number?  Defaults to 0.3.
judge.maxOutputTokens          number?  Defaults to 1500.

defaults.maxRounds             int?     1–10, defaults 4.
defaults.earlyStop             bool?    Defaults true.
defaults.convergenceDelta      number?  Defaults 3.
defaults.disagreementThreshold number?  Defaults 20.
defaults.blindFirstRound       bool?    Defaults true.
defaults.randomizeOrder        bool?    Defaults true.
defaults.participantTemperature number? Defaults 0.7.
defaults.maxOutputTokens       int?     Defaults 1500.
defaults.useJudge              bool?    Defaults true if `judge` is declared, else false.

Jedes Feld, das nicht in dieser Liste enthalten ist, wird vom Konfigurations-Loader abgelehnt — Tippfehler führen zu einem deutlichen Fehler statt zu stillem Versagen.

Standalone ausführen

export GROK_API_KEY=xai-...
export ANTHROPIC_API_KEY=sk-ant-...

ai-consensus-mcp --config ./consensus.config.json

Der Server spricht JSON-RPC über Stdio. Eine Bereitschaftsmeldung wie:

ai-consensus-mcp ready — 3 participant(s) from 2 provider(s), judge=grok-4 (config: /abs/consensus.config.json)

wird beim Start auf stderr geschrieben; stdout ist für den MCP-Protokoll-Stream reserviert.

Registrierung bei einem MCP-Host

Claude Desktop

Bearbeiten Sie ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) oder das Windows-Äquivalent:

{
  "mcpServers": {
    "consensus": {
      "command": "ai-consensus-mcp",
      "args": ["--config", "/absolute/path/to/consensus.config.json"],
      "env": {
        "GROK_API_KEY": "xai-...",
        "ANTHROPIC_API_KEY": "sk-ant-..."
      }
    }
  }
}

(Wenn Sie nicht global installiert haben, ersetzen Sie "command": "ai-consensus-mcp" durch "command": "node" und verweisen Sie args auf /path/to/ai-consensus-mcp/dist/index.js.)

Starten Sie Claude Desktop neu. Sie sollten sehen, dass ein consensus-Tool verfügbar wird.

Claude Code

claude mcp add consensus \
  --scope user \
  -- ai-consensus-mcp --config /absolute/path/to/consensus.config.json

Oder bearbeiten Sie ~/.claude.json direkt mit der gleichen command / args / env-Struktur.

Cursor, Windsurf und andere Hosts

Verweisen Sie diese auf ai-consensus-mcp --config <path>/consensus.config.json mit den relevanten API-Schlüsseln des Anbieters in der Umgebung. Nur Stdio-Transport.

Das consensus-Tool

Eingabe

{
  "prompt": "Should an early-stage startup adopt microservices from day one?",
  "maxRounds": 4,            // optional, 1–10
  "participantIds": ["grok", "domain"],  // optional — subset of configured participants
  "earlyStop": true,         // optional
  "judge": true,             // optional — defaults to config.defaults.useJudge
  "blindFirstRound": true,   // optional
  "randomizeOrder": true,    // optional
  "convergenceDelta": 3,     // optional
  "disagreementThreshold": 20, // optional
  "participantTemperature": 0.7, // optional
  "maxOutputTokens": 1500,   // optional
  "randomSeed": 42           // optional — deterministic round-order shuffle
}

Nur prompt ist erforderlich. Alles andere greift auf die defaults der Konfiguration zurück, dann auf die Standardwerte der Engine.

Ausgabe

Zwei Artefakte bei jedem erfolgreichen Aufruf:

1. content[0].text — eine für Menschen lesbare Markdown-Zusammenfassung:

   • Endergebnis, Dauer, Stopp-Grund

   • Punktetabelle pro Runde

   • Antworten der letzten Runde, beschriftet nach Persona + Modell

   • Richter-Synthese (falls judge: true)

2. structuredContent — das vollständige ConsensusResult als JSON für programmatische Konsumenten.

Fortschrittsbenachrichtigungen

Jedes strukturierte Engine-Ereignis wird als MCP notifications/progress-Nachricht weitergeleitet. Streaming-Ereignisse auf Token-Ebene werden absichtlich verworfen — sie würden den Kanal überfluten.

progress erhöht sich monoton bei roundComplete und synthesisComplete; total ist maxRounds + (judge ? 1 : 0).

Fehler

• Konfigurationsladefehler sind beim Start fatal und werden mit dem fehlerhaften Feldpfad auf stderr ausgegeben.

• Tool-Eingabefehler geben { isError: true, content: [{ type: "text", text: "…" }] } zurück — der Host sieht sie, aber der Server bleibt aktiv.

• Anbieterfehler (HTTP nicht-2xx, leere Streams) werden im response.error-Feld des jeweiligen Teilnehmers erfasst und der Durchlauf wird mit den verbleibenden Teilnehmern fortgesetzt. Fehler sind sowohl im Fortschritts-Stream als auch im endgültigen strukturierten Ergebnis sichtbar.

• Abbruch. Wenn der Host einen Tool-Aufruf abbricht, propagiert das AbortSignal in jeden laufenden fetch und die Engine gibt ein ConsensusResult mit stopReason: "aborted" zurück.

Grenzen und Nicht-Ziele

• Keine Persistenz. Jeder Tool-Aufruf ist ein frischer Durchlauf. Wenn Sie eine Historie wünschen, zeichnen Sie structuredContent auf der Host-Seite auf.

• Kein HTTP-Transport. Nur Stdio. Für HTTP/SSE binden Sie ai-consensus-core direkt ein.

• Keine Durchsetzung von Token-Budgets. maxOutputTokens ist bei jedem Aufruf nur ein Hinweis; richten Sie Nutzungsalarme in Ihren Anbieter-Dashboards ein.

• Keine Multi-Run-Planung. Ein Durchlauf pro Aufruf, sequenziell, wenn der Host sie in die Warteschlange stellt.

Wenn eines dieser Dinge zu dem wird, was Sie am meisten benötigen, ist die Kernbibliothek der richtige Ort zum Ansetzen — dieser Server ist absichtlich winzig.

Entwicklung

git clone https://github.com/entropyvortex/ai-consensus-mcp.git
cd ai-consensus-mcp
npm install
npm run test        # vitest — config loader + MCP handshake integration
npm run build
npm start -- --config ./consensus.config.json

Philosophie

Die Kernbibliothek sollte überall laufen können — Next.js, CLI, Worker, Durable Object, ein anderer MCP-Server. Deshalb weiß sie nicht, was ein LLM-Anbieter ist.

Dieses Paket ist das "Überall", das die meisten Leute zuerst interessiert: ein Stdio-MCP-Server, der in Claude Code, Cursor, Windsurf oder jeden Host, der das Protokoll spricht, integriert werden kann. Er ist bewusst klein gehalten — lädt eine Konfiguration, leitet Ereignisse weiter, sonst nichts. Wenn Sie darüber hinauswachsen, ist der Kern direkt verfügbar.

Siehe auch

• ai-consensus-core — die zugrunde liegende Bibliothek. Verwenden Sie sie direkt, wenn Sie HTTP-Transport, benutzerdefinierte Scheduler oder eine tiefere Integration benötigen.

Lizenz

MIT

Teil des entropyvortex-Stacks — praktisches, schnörkelloses KI-Open-Source von Marcelo Ceccon.

Mit ❤️ in Brasilien gemacht.

MIT-Lizenz • Gebaut zum Ausliefern.