世界大脑 WorldBrain — 監査可能な推論 MCP サービス

すべての具身デバイスを駆動する透明な意思決定ブレイン。「ワールドグラフ → A* 監査可能推論 → 物理キャリア実行 → 学習フィードバック」を標準 MCP（Model Context Protocol）stdio サービスとしてカプセル化し、あらゆる AI エージェントが設定をコピーするだけで接続できます。

ゼロ依存 · ゼロサーバー · AI エージェント向け無料配布。 Node.js 組み込みモジュールのみを使用し、カーネルは 世界大脑.html を単一の真実源とします。

零、インストール（受動的顧客獲得の入り口）

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

• ソースコード / Issue：https://github.com/genesis-plan/worldbrain-mcp

• MCP をサポートする任意のクライアント（Claude Desktop / Cursor / Cline など）は、下記の設定をコピーするだけで接続できます。Web ページを開く必要も、サーバーも不要です。

Related MCP server: gbrain

一、これは何か

世界大脑は「監査可能な推論」という能力を外部エージェントに公開します：

決定的で幻覚なし：推論/監査/学習はすべてローカルカーネルで完結し、LLM を経由しません。無料 LLM（OpenRouter :free）は Web 版の「自然言語 → 構造化状態」センシングにのみ使用され（世界大脑.html 参照）、MCP レベルでは外部 API に一切依存しません。

二、ファイル一覧

デプロイ時、worldbrain-mcp.js と 世界大脑.html は同じディレクトリに置く必要があります（または WORLDBRAIN_HTML 環境変数で html を指定します）。

三、クイック接続（3 種類のクライアント）

1. Claude Desktop

claude_desktop_config.json を編集します：

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

2. Cursor / Cline / MCP をサポートする任意のクライアント

MCP 設定に以下を追加します：

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

3. コマンドラインでのセルフテスト（サーバーが動作することを確認）

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

四、ツールインターフェース（外部エージェントから呼び出し）

world_info() → 現在のワールドグラフの構造

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

set_world({nodes, edges, coord?}) → 自分のシーンをインポート

{
  "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?}) → 監査可能な最適経路

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

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

判定不能の場合は誠実に返します：

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

carrier_report({battery?, goal, density?}) → 物理キャリアの制約

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

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

バッテリー残量 <20 の場合、hard:["A","B","C"]（充電ステーションから離れることを禁止）。

audit({start?, goal, hard?, soft?}) → 5 段階監査レポート

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

learn({path, success}) → 学習ループ

{ "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?})

経験ベースの追加・照会。

五、最小呼び出し例（エージェント視点）

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

六、誠実な境界（製品の公式見解に従い、虚構なし）

決定的に実装済み：推論（A*+制約）、監査（5 段階の根拠チェーン）、知識ベース（経験+信頼度）、学習（単一ステップフィードバック）、物理キャリア接続、MCP 接続。

ドキュメントでは要求されているが現在未実装（コード内は TODO スタブであり、専門用語を並べて実装済みと偽ることはしていません）：

• 知覚の Banach 不動点による信念収束（Layer1）

• PAC 学習のサンプル複雑度バウンド / 知識蒸留（Layer2/6）

• do 演算による因果発見（Layer5）

• ワールドモデル / 反事実推論（Layer2 拡張）

• ホーア論理による形式検証（Layer7 アップグレード）

• LSH / ベクトル類似度検索（Layer3、現在は配列の完全一致）

数学的忠実性の範囲内で証明可能：有限ワールドグラフ + 許容的なユークリッドヒューリスティックの下で、A* は完全かつ最適（最適経路を見つけるか、誠実に 𝕌 とマークします）。

七、ライセンスと配布

無料・オープンソース・AI エージェント向け配布。ソフトウェア著作権 / 特許資料や受動的顧客獲得のシーンに利用できます。