一个受治理的AI/MCP交付智能展示，基于完全合成的企业项目。
它帮助交付负责人回答：发生了什么变化，什么被阻塞，哪个依赖项接下来重要，变更请求将影响什么，以及哪些声明有证据支持。核心价值无需API密钥即可实现。
打开生成的工作台：workbench/index.html
检查最强的代码路径：delivery_intelligence/engine.py
审查MCP工具边界：delivery_intelligence/mcp_server.py
检查评估测试框架：delivery_intelligence/evaluation.py
运行项目：
python -m pip install -e .
python -m delivery_intelligence build
python -m delivery_intelligence validate
python -m unittest discover -s testsRelated MCP server: PM Governance MCP Server
能力 | 公开证据 |
AI/MCP 工具设计 | 七个聚焦的MCP工具，基于连贯的项目模型，具有结构化输出和经过验证的参数。 |
交付/项目思维 | 里程碑、RAID、决策、变更请求、就绪门、依赖项和指导上下文包。 |
幻觉控制 | 不支持的声明返回 |
证据可追溯性 | 输出将源事实、确定性推导和建议与证据引用分开。 |
评估纪律 | 确定性检查涵盖工具契约、证据覆盖、拒绝行为、变更影响和可重复性。 |
成本/延迟感知 | 工具输出包括延迟和估计成本遥测；确定性核心具有零模型成本。 |
flowchart LR
A[Synthetic programme fixture] --> B[Deterministic delivery engine]
B --> C[Evidence ledger]
B --> D[Tool registry]
D --> E[Optional MCP server]
D --> F[Evaluation harness]
D --> G[Generated workbench]
H[Future data adapter] -. documented boundary .-> A
I[Optional narrative adapter] -. recommendations only .-> D公开展示是独立的。它不导入其他投资组合仓库，也不暴露私有的运营、求职、电子邮件、薪资、资格、凭证或账户数据。
工具 | 用途 |
| 可解释的健康评分，包含公式、限制和证据。 |
| 按严重性、概率、影响和逾期状态进行确定性RAID优先级排序。 |
| 从里程碑开始的下游依赖遍历。 |
| 变更请求的进度、成本、范围和就绪影响。 |
| 被阻塞的决策、阻塞因素和缺失的证据。 |
| 董事会就绪的上下文包，将事实、推导和建议分开。 |
| 证据查找或在支持不足时拒绝。 |
层次 | 含义 | 示例 |
源事实 | 合成夹具记录：里程碑、RAID、依赖项、决策、门和快照。 | 支付冻结预测移至第92天。 |
确定性推导 | Python计算的分数、风险排名、影响路径和证据覆盖。 | 支付冻结滑移传播到试点启动。 |
建议 | 从可追溯的事实和推导中生成的策略建议。 | 除非发起人接受进度影响，否则拆分或推迟变更请求。 |
可选AI叙述 | 仅限未来适配器边界；测试或演示不需要。 | 模型可以重写指导摘要，但不能创建不支持的事实。 |
核心包没有运行时依赖。要使用官方Python SDK运行真正的MCP服务器：
python -m pip install -e ".[mcp]"
delivery-intelligence-mcpMCP额外功能是可选的，因为确定性引擎、工作台和评估测试框架应在没有服务凭据或模型访问的情况下保持可审查。
运行：
python -m delivery_intelligence eval该测试框架检查：
工具调用契约有效性；
健康和指导输出的证据覆盖；
不支持声明的拒绝；
针对已知夹具的变更/依赖影响正确性；
确定性运行的可重复性；
延迟和估计成本遥测的存在。
仅限合成项目。
无外部操作。
无广泛的文件系统、网络或shell工具。
无向量数据库或编排框架。
无需API密钥。
无私有项目、求职、简历、招聘人员、账户、薪资、法律、资格或凭证数据。
未来的适配器必须保持相同的证据边界。
delivery_intelligence/
fixtures.py synthetic programme records
engine.py health, risk, dependency, change and evidence reasoning
tools.py validated tool registry and telemetry wrapper
mcp_server.py optional real MCP server using the Python SDK
evaluation.py deterministic evaluation harness
workbench.py generated HTML/SVG workbench artifacts
tests/ engine, tool, evaluation and visual-output checks
docs/ architecture, tool, evaluation and portfolio notes
workbench/ generated self-contained workbenchMIT.
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Generate answers & visualizations from your engineering data to track software development health.
Transformation readiness gaps and initiative risk signals for AI agents and enterprise change leads.
Deterministic context layer for your codebase: change impact, blast radius, answers with receipts.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/mypoorbrain/delivery-intelligence-mcp-workbench'
If you have feedback or need assistance with the MCP directory API, please join our Discord server