Skip to main content
Glama
starlink-awaken

SocialGuessSkills

by starlink-awaken
OverviewSchemaRelated ServersScoreDiscussions
TypeScript
Remote

社会体系建模多Agent系统 (Social System Modeling Multi-Agent Framework)

简介

一个轻量级的多Agent协作框架,用于从基础假设推演出完整的社会体系模型。通过7个专业Agent(Systems/Econ/Socio/Governance/Culture/Risk/Validation)的协同分析,生成结构化、可验证的社会体系模型。

核心特性:

  • 🔬 7个专业Agent: 覆盖系统思维、经济学、社会学、治理学、文化学、风险分析和验证

  • 🔄 6步工作流: 假设验证→并行推演→冲突对齐→决策合成→证据校验→迭代收敛

  • ⚡ 轻量级实现: TypeScript + Bun,可被Claude/AI直接调用

  • 🛠️ MCP协议支持: 标准Model Context Protocol,可与Claude Desktop无缝集成

  • 📊 结构化输出: 9层架构模型(总体结构/工作流/制度/治理/文化/创新/风险/指标/优化)

快速开始

安装

# 克隆项目
git clone <repository-url>
cd SocialGuessSkills

# 安装依赖
bun install

# 安装Biome
bun add -d biome

配置Biome

  1. 初始化Biome配置:

biome init

  1. 编辑生成的biome.json文件以适配项目需求:

{
  "$schema": "https://biomejs.dev/schemas/2.3.14/schema.json",
  "formatter": {
    "enabled": true,
    "indentStyle": "space",
    "lineWidth": 100
  },
  "linter": {
    "enabled": true,
    "rules": {
      "recommended": true,
      "correctness": {},
      "style": {}
    }
  },
  "javascript": {
    "formatter": {
      "quoteStyle": "single"
    }
  }
}

  1. 运行Biome检查:

biome check

运行示例

# 运行端到端示例(社区治理模型)
bun run examples/run-example.ts

预期输出:

  • 迭代次数: 2

  • 置信度: 0.79

  • Agent输出数量: 7(每个Agent都会生成分析)

  • 冲突数量: 7(逻辑矛盾、优先级冲突、风险叠加)

运行配置（环境变量）

默认使用模拟输出，可通过环境变量切换真实 LLM 与失败策略：

  • LLM_PROVIDER: auto | anthropic | mock（默认 auto）

  • ANTHROPIC_API_KEY: 使用 Anthropic 时必填

  • LLM_MODEL: 模型名称（默认 claude-3-5-sonnet-20241022）

  • LLM_MAX_TOKENS: 最大输出 token（默认 4096）

  • LLM_TIMEOUT_MS: LLM 超时毫秒数（默认 60000）

  • AGENT_MOCK_MODE: 强制 mock（true/false，默认 false）

  • FAIL_ON_CRITICAL: 关键 Agent 失败时中断流程（默认 true）

  • CRITICAL_AGENTS: 关键 Agent 列表（默认 risk,governance,systems）

MCP集成(推荐)

在Claude Desktop中配置:

  1. 编辑 claude_desktop_config.json:

{
  "mcpServers": {
    "social-modeling": {
      "command": "bun",
      "args": ["run", "/absolute/path/to/src/server.ts"]
    }
  }
}

  1. 重启Claude Desktop

  2. 在Claude中使用:

请帮我分析:1000人社区,资源有限,如何建立稳定合作的社会体系?

Claude会自动调用MCP Server,生成完整的社会体系模型。

📖 详细集成指南: 查看 docs/MCP_INTEGRATION.md 了解：

  • Claude Desktop完整配置步骤

  • OpenCode CLI集成状态

  • 故障排除指南

  • 更多使用示例和Prompt模板

使用示例

1. 完整推演(reasoning tool)

输入:

{
  "hypothesis": {
    "assumptions": [
      "1000人社区,资源有限(粮食、住房、工具)",
      "协作可提升总产出30%",
      "无外部干预,孤立环境"
    ],
    "constraints": [
      "通信成本:当面交流免费,间接传播有衰减",
      "信息不完全:个体只知道邻近50人的状态"
    ],
    "goals": [
      "保证所有人基本生存(食物、住所)",
      "建立可持续的资源生产与分配机制",
      "冲突解决机制可执行"
    ]
  },
  "maxIterations": 3
}

输出: 完整的社会体系模型,包含:

  • 7个Agent的分析(结论/依据/风险/建议/可证伪点)

  • 检测到的冲突(类型/描述/严重性/解决方案)

  • 9层结构化模型(总体结构/工作流/制度/治理/文化/创新/风险/指标/优化)

  • 元数据(迭代次数/置信度/生成时间)

2. 单Agent查询(query_agent tool)

输入:

{
  "agentType": "risk",
  "hypothesis": {
    "assumptions": ["资源稀缺", "有限理性"],
    "constraints": [],
    "goals": ["稳定秩序"]
  }
}

输出: Risk Agent的专业分析,聚焦于脆弱性、极端情境和韧性策略。

3. 模型验证(validate_model tool)

输入:

{
  "modelJson": "{...完整的模型JSON字符串...}"
}

输出: 验证结果,包含:

  • isValid: 是否通过验证

  • checks: 详细检查项(hasAllAgents, hasStructure, hasHypothesis等)

  • issues: 发现的问题列表

  • warnings: 警告信息(如冲突过多、置信度较低)

架构概览

┌─────────────────────────────────────────────────────┐
│                    用户输入假设                   │
│              (assumptions/constraints/goals)      │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────┐
│           1. 假设验证 (Systems Agent)         │
│       - 检查结构完整性,识别关键变量           │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────┐
│           2. 并行Agent推演 (7个Agent)         │
│   ┌────────┐ ┌────────┐ ┌────────┐ ┌───────┐ │
│   │Systems │ │  Econ  │ │ Socio  │ │Govern  │ │
│   │  Agent │ │  Agent │ │  Agent │ │  Agent │ │
│   └────────┘ └────────┘ └────────┘ └───────┘ │
│   ┌────────┐ ┌────────┐                        │
│   │Culture │ │  Risk  │                        │
│   │  Agent │ │  Agent │                        │
│   └────────┘ └────────┘                        │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────┐
│           3. 冲突对齐 (Risk Agent主导)        │
│      - 检测逻辑矛盾、优先级冲突、风险叠加       │
│      - 标记需要重推的Agent                      │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────┐
│           4. 决策合成 (Governance Agent主导)   │
│    - 应用决策合成规则:分层加权、冲突优先级      │
│    - 提取9层结构化模型                          │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────┐
│          5. 证据校验 (Validation Agent)        │
│       - 可证伪假设检验、历史案例对比、反事实推理  │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────┐
│            6. 迭代收敛 (如有冲突,回到步骤2)     │
│          - 最大迭代次数: 3次(可配置)          │
│          - 终止条件: 无新冲突 或 达到最大迭代    │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────┐
│                    最终社会体系模型                 │
│   - Agent输出(7个)                            │
│   - 冲突列表                                   │
│   - 9层结构化模型                               │
│   - 元数据(迭代/置信度/时间)                      │
└─────────────────────────────────────────────────────┘

API参考

Tool 1: reasoning

完整推演流程,从假设到完整模型。

输入:

{
  "hypothesis": {
    "assumptions": ["假设1", "假设2"],
    "constraints": ["约束1", "约束2"],
    "goals": ["目标1", "目标2"]
  },
  "maxIterations": 3
}

输出:

{
  "hypothesis": {...},
  "agentOutputs": [...],
  "conflicts": [...],
  "structure": {
    "overall": {...},
    "workflow": {...},
    "institutions": {...},
    "governance": {...},
    "culture": {...},
    "innovation": {...},
    "risks": {...},
    "metrics": {...},
    "optimization": {...}
  },
  "metadata": {
    "iterations": 2,
    "confidence": 0.79,
    "generatedAt": "2026-02-03T14:30:00Z"
  }
}

Tool 2: query_agent

单独查询某个Agent的分析。

输入:

{
  "agentType": "systems|econ|socio|governance|culture|risk|validation",
  "hypothesis": {...}
}

输出: 单个Agent的完整分析(结论/依据/风险/建议/可证伪点)

Tool 3: validate_model

验证已有模型的一致性。

输入:

{
  "modelJson": "{...模型JSON字符串...}"
}

输出:

{
  "isValid": true,
  "checks": {
    "hasAllAgents": true,
    "hasStructure": true,
    "hasHypothesis": true,
    "hasMetadata": true,
    "agentTypesAreValid": true
  },
  "issues": [],
  "warnings": []
}

扩展指南

自定义Agent Prompt

  1. 编辑 src/agents/prompts/{agent}-agent.md

  2. 遵循统一格式:

    • ## 角色定义

    • ## 核心职责

    • ## 分析框架

    • ## 输出格式 (CRITICAL)

    • ## 关键约束

  3. 修改后无需重启,AI会自动加载最新Prompt

添加新的Agent类型

  1. 在 src/types.ts 中添加新的AgentType

  2. 创建 src/agents/prompts/{new-agent}-agent.md

  3. 在 src/agents/agent-factory.ts 的createAllAgents()中注册

  4. 添加对应的测试用例

自定义冲突检测规则

在 src/workflow/conflict-resolver.ts 中添加新的检测函数:

function detectCustomConflict(outputs: AgentOutput[]): Conflict[] {
  const conflicts: Conflict[] = [];
  // 你的检测逻辑
  return conflicts;
}

然后在detectConflicts()中调用新函数。

项目结构

SocialGuessSkills/
├── src/
│   ├── agents/
│   │   ├── prompts/           # 7个Agent的Prompt模板
│   │   ├── agent-factory.ts    # Agent工厂
│   │   └── agent-executor.ts   # Agent执行器
│   ├── workflow/
│   │   ├── orchestrator.ts      # 工作流编排器
│   │   └── conflict-resolver.ts # 冲突检测
│   ├── types.ts               # 核心类型定义
│   ├── server.ts              # MCP Server入口
│   └── __tests__/            # 测试用例
├── examples/
│   ├── community-governance.json  # 示例输入
│   └── run-example.ts           # 示例执行脚本
├── package.json
├── tsconfig.json
└── README.md

测试

运行所有测试:

bun test

测试覆盖:

  • Agent Prompt文件完整性

  • Agent工厂与执行

  • 冲突检测(3种规则)

  • 工作流编排器(6步流程)

  • 端到端示例

  • 执行时间基准(<60秒)

贡献

欢迎贡献!请遵循:

  1. Fork项目

  2. 创建特性分支 (git checkout -b feature/AmazingFeature)

  3. 提交更改 (git commit -m 'feat: Add AmazingFeature')

  4. 推送到分支 (git push origin feature/AmazingFeature)

  5. 创建Pull Request

提交规范:

  • feat: 新功能

  • fix: Bug修复

  • docs: 文档更新

  • refactor: 代码重构

  • test: 测试相关

许可证

MIT

联系方式

  • 问题反馈: GitHub Issues

  • 讨论交流: GitHub Discussions

This server cannot be installed

-
security - not tested
F
license - not found
-
quality - not tested

How are these scores calculated?

Resources

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/starlink-awaken/SocialGuessSkills'

If you have feedback or need assistance with the MCP directory API, please join our Discord server