世界大脑 WorldBrain — Servicio MCP de razonamiento auditable

El cerebro de decisión transparente que impulsa todos los dispositivos encarnados. Envuelve «grafo del mundo → razonamiento auditable A* → ejecución en el portador físico → retroalimentación de aprendizaje» en un servicio stdio MCP (Model Context Protocol) estándar, para que cualquier agente de IA pueda conectarse con solo copiar la configuración.

Cero dependencias · cero servidores · distribución gratuita orientada a agentes de IA. Solo se usan los módulos integrados de Node.js; el núcleo comparte una única fuente de verdad con 世界大脑.html.

0. Instalación (punto de entrada para la captación pasiva de clientes)

npm install -g worldbrain-mcp      # 全局安装，自带 bin
npx worldbrain-mcp --selftest      # 免安装验证

• Código fuente / Issues: https://github.com/genesis-plan/worldbrain-mcp

• Cualquier cliente compatible con MCP (Claude Desktop / Cursor / Cline, etc.) puede conectarse copiando la configuración siguiente: sin abrir una página web, sin servidor.

Related MCP server: gbrain

1. Qué es

WorldBrain expone a los agentes externos una capacidad de «razonamiento auditable»:

Determinista, sin alucinaciones: el razonamiento, la auditoría y el aprendizaje se realizan por completo en el núcleo local, sin pasar por un LLM. El LLM gratuito (OpenRouter :free) se usa únicamente para la percepción de «lenguaje natural → estado estructurado» en la versión web (ver 世界大脑.html); el nivel MCP no depende de ninguna API externa.

2. Lista de archivos

Al desplegar, worldbrain-mcp.js y 世界大脑.html deben estar en el mismo directorio (o defina la variable de entorno WORLDBRAIN_HTML para que apunte al html).

3. Integración rápida (3 clientes)

1. Claude Desktop

Edita claude_desktop_config.json:

{
  "mcpServers": {
    "worldbrain": {
      "command": "node",
      "args": ["C:/你的路径/世界大脑/work/worldbrain-mcp.js"]
    }
  }
}

2. Cursor / Cline / cualquier cliente compatible con MCP

Añade en la configuración de MCP:

{
  "mcpServers": {
    "worldbrain": {
      "command": "node",
      "args": ["/abs/path/to/worldbrain-mcp.js"]
    }
  }
}

3. Autoprueba por línea de comandos (verifica que el servidor funciona)

node worldbrain-mcp.js --selftest
# 输出：SELFTEST OK — 全部 N 项工具验证通过

4. Interfaz de herramientas (invocadas por agentes externos)

world_info() → Estructura actual del grafo del mundo

{ "nodes": ["CHARGE","A","B","C"], "edgeCount": 10, "edges": [...] }

set_world({nodes, edges, coord?}) → Importa tu escenario

{
  "nodes": ["S","A","B","T"],
  "edges": [{"from":"S","to":"A","w":2},{"from":"A","to":"T","w":3}],
  "coord": {"S":[0,0],"A":[3,0],"T":[6,0]}
}

→ { "ok": true, "nodes": ["S","A","B","T"], "edgeCount": 2 }

reason({start?, goal, hard?, soft?}) → Ruta óptima auditable

{ "start": "CHARGE", "goal": "C", "hard": ["A"], "soft": ["B"] }

→ { "status":"optimal", "path":["CHARGE","B","C"], "cost":6, "steps":[...], "note":"..." }

Cuando es indecidible, devuelve con honestidad:

{ "status":"unknown", "U": true, "reason":["目标不在世界图"] }

carrier_report({battery?, goal, density?}) → Restricciones del portador físico

{ "battery": 100, "goal": "A", "density": {"A":8,"B":3,"C":5} }

→ { "battery":100, "hard":[], "soft":["B"], "note":"电量充足" }

Cuando la batería sea <20, hard:["A","B","C"] (prohibido alejarse de la base de carga).

audit({start?, goal, hard?, soft?}) → Informe de auditoría en cinco secciones

{ "summary": {...}, "details": [...], "evidence": [...], "constraints": [...], "unknown": [], "status": "valid" }

learn({path, success}) → Bucle de aprendizaje

{ "path": ["CHARGE","A","C"], "success": true }

→ { "updated":[{"transition":"CHARGE→A","confidence":0.6}], "knowledgeBaseSize": 5 }

knowledge_query({from?, to?}) / knowledge_add({from, to, success?, confidence?, source?})

Añadir y consultar la base de experiencia.

5. Ejemplo mínimo de invocación (perspectiva del agente)

1. 调用 world_info()            → 了解当前场景有哪些节点
2. 调用 set_world(我的场景)      → （可选）换成你自己的物理载体/任务图
3. 调用 carrier_report(电量,目标,密度) → 载体上报，拿到硬/软约束
4. 调用 reason(起点,目标,硬,软)   → 得到可审计最优路径
5. 载体按 path 执行
6. 调用 learn(执行路径, 成功?)   → 置信度更新，越用越准

6. Límites honestos (según el alcance del producto, sin inventar nada)

Ya implementado de forma determinista: razonamiento (A* + restricciones), auditoría (cadena de justificaciones en cinco secciones), base de conocimiento (experiencia + confianza), aprendizaje (retroalimentación de un solo paso), integración del portador físico e integración MCP.

Exigido por la documentación pero no implementado actualmente (en el código son marcadores TODO; no se simula la implementación acumulando nombres técnicos):

• Percepción: convergencia de creencias por punto fijo de Banach (Layer1)

• Cota de complejidad muestral del aprendizaje PAC / destilación de conocimiento (Layer2/6)

• Descubrimiento causal mediante cálculo do (Layer5)

• Modelo del mundo / razonamiento contrafáctico (extensión de Layer2)

• Verificación formal con lógica de Hoare (mejora de Layer7)

• LSH / búsqueda por similitud vectorial (Layer3; actualmente coincidencia exacta por arreglo)

Demostrable dentro de la fidelidad matemática: con un grafo del mundo finito + heurística euclidiana admisible, A* es completo y óptimo (encuentra la ruta óptima o marca 𝕌 con honestidad).

7. Licencia y distribución

Gratuito, de código abierto y orientado a agentes de IA. Puede utilizarse para el registro de derechos de autor de software / materiales de patentes y escenarios de captación pasiva de clientes.