세계 뇌 WorldBrain — 감사 가능한 추론 MCP 서비스

모든 임베디드 디바이스를 구동하는 투명한 의사결정 두뇌. "세계 지도 → A* 감사 가능한 추론 → 물리 캐리어 실행 → 학습 피드백"을 표준 MCP(Model Context Protocol) stdio 서비스로 캡슐화하여, 어떤 AI 에이전트든 설정을 복사하기만 하면 연결할 수 있습니다.

제로 의존성 · 제로 서버 · AI 에이전트 대상 무료 배포. Node.js 내장 모듈만 사용하며, 커널은 世界大脑.html과 단일 진실 소스(단일 원본)를 공유합니다.

0. 설치(수동 유입 진입점)

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

• 소스 코드 / Issue: https://github.com/genesis-plan/worldbrain-mcp

• MCP를 지원하는 모든 클라이언트(Claude Desktop / Cursor / Cline 등)에서 아래 설정을 복사하면 연결됩니다. 웹페이지를 열 필요도, 서버도 필요 없습니다.

Related MCP server: gbrain

1. 그것이 무엇인가

세계 뇌는 외부 에이전트에게 "감사 가능한 추론" 능력을 노출합니다:

결정적, 환각 없음: 추론/감사/학습은 모두 로컬 커널에서 완료되며 LLM을 거치지 않습니다. 무료 LLM(OpenRouter :free)은 웹 버전의 "자연어→구조화 상태" 인식에만 사용되며(世界大脑.html 참조), MCP 레벨에서는 어떤 외부 API에도 의존하지 않습니다.

2. 파일 목록

배포 시 worldbrain-mcp.js와 世界大脑.html은 반드시 같은 디렉터리에 있어야 합니다(또는 WORLDBRAIN_HTML 환경 변수를 html을 가리키도록 설정).

3. 빠른 연결(3가지 클라이언트)

1. Claude Desktop

claude_desktop_config.json 편집:

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

2. Cursor / Cline / MCP를 지원하는 모든 클라이언트

MCP 설정에 다음을 추가:

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

3. 명령줄 자체 테스트(서버 실행 확인)

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

4. 도구 인터페이스(외부 에이전트 호출)

world_info() → 현재 세계 지도 구조

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

set_world({nodes, edges, coord?}) → 자신의 장면 가져오기

{
  "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?}) → 감사 가능한 최적 경로

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

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

판정 불가 시 정직하게 반환:

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

carrier_report({battery?, goal, density?}) → 물리 캐리어 제약

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

→ { "battery":100, "hard":[], "soft":["B"], "note":"배터리 충분" }

배터리 <20일 때 hard:["A","B","C"](충전 거치대 이탈 금지).

audit({start?, goal, hard?, soft?}) → 5단계 감사 보고서

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

learn({path, success}) → 학습 루프

{ "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?})

경험 라이브러리 조회/추가.

5. 최소 호출 예시(에이전트 관점)

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. 정직한 경계(제품 기준에 따라, 허위 없이)

결정적으로 구현 완료: 추론(A*+제약), 감사(5단계 근거 체인), 지식 베이스(경험+신뢰도), 학습(단일 단계 피드백), 물리 캐리어 연결, MCP 연결.

문서에는 요구되지만 현재 미구현(코드 내 TODO 스텁이며, 용어를 나열해 구현된 것처럼 가장하지 않음):

• 인식 Banach 고정점 신념 수렴(Layer1)

• PAC 학습 샘플 복잡도 경계 / 지식 증류(Layer2/6)

• do-계산 인과 발견(Layer5)

• 세계 모델 / 반사실 추론(Layer2 확장)

• Hoare 논리 형식 검증(Layer7 업그레이드)

• LSH / 벡터 유사도 검색(Layer3, 현재는 배열 정확 일치)

수학적 충실도 범위 내에서 증명 가능: 유한 세계 지도 + 허용 가능한 유클리드 휴리스틱 하에서 A*는 완전하며 최적(최적 경로를 찾거나, 정직하게 𝕌 표시).

7. 라이선스 및 배포

무료, 오픈소스, AI 에이전트 대상 배포. 소프트웨어 저작권 / 특허 자료 및 수동 유입 시나리오에 사용 가능.