🌐 intelligence-hub-mcp

Multi-Domain Intelligence Intake, 80:20 Crossover Synthesis & Publishing MCP Server

Recopila en paralelo las últimas tendencias de diversos campos punteros (IA/vibe coding, biología sintética, neurociencia, criptoactivos, medicina, ingeniería inversa) y produce insights estructurados mediante separación de Pareto 80:20 y análisis de cruces (Crossover) entre disciplinas.

🏛️ Ecosistema Hermes y arquitectura Tri-MCP

Este servidor MCP, bajo Hermes AI Agent (Master Orchestrator), se integra como un par con la exploración académica profunda (ocr-mcp-server) y la distribución de medios propia (news-site-coral).

                    ┌───────────────────────────────┐
                    │      🪐 Hermes AI Agent       │
                    │      (Master Orchestrator)    │
                    └───────┬───────────────┬───────┘
                            │               │
            ┌───────────────┴────┐     ┌────┴──────────────┐
            │ intelligence-hub-mcp│     │  ocr-mcp-server   │
            │  (80:20 Crossover) │     │ (Deep MAD Review) │
            └────────────────────┘     └───────────────────┘
                            │                   │
                            └─────────┬─────────┘
                                      ▼
                    ┌───────────────────────────────┐
                    │       news-site-coral         │
                    │  (WIRED Narrative Publishing) │
                    └───────────────────────────────┘

1. Intake multicapa (intake/):

   • Tipo A (RSS/Atom): bioRxiv (SynthBio / Neuroscience), medRxiv, Zenn, Ethereum Research, Paradigm

   • Tipo B (API pública): Hacker News (Firebase API), arXiv (Atom API)

   • Tipo C (navegador/API no oficial): GitHub Trending (Phase 2)

   • Salto inteligente: evita automáticamente solicitudes frecuentes innecesarias mediante la comprobación de interval_hours

2. Inteligencia y persistencia (storage/ y analysis/):

   • LanceDB (PyArrow): persistencia de metadatos de IntelligenceRecord + incrustaciones vectoriales de 768dim

   • Análisis de Pareto 80:20: observación sistemática 80% + enclaves de serendipia 20%

   • Extracción de cruces: extracción mediante LLM de analogías estructurales y posibilidades de aplicación mutua entre diferentes géneros

3. Publicación e integración (mcp/):

   • Añade suggested_themes / suggested_tags a los datos estructurados (CrossoverDigest) y, a través de Hermes Agent, realiza la distribución multicanal a X (hilo de 140 caracteres) / Note (ensayo) / Coral Magazine (HTML de estructura de 3 niveles estilo WIRED).

Related MCP server: worldmonitor-mcp

🚀 Inicio rápido

Sincronización de dependencias

uv sync --all-groups

Ejecución de pruebas

uv run pytest

Verificación de límites entre capas (Spaghetti Guard)

npx @naoya.k/spaghetti-guard check

Ejecución del CLI de recopilación periódica (Cron / ejecución por lotes)

uv run intelligence-hub-cron

Inicio del servidor MCP (transporte Stdio)

uv run intelligence-hub-mcp

🛠️ Herramientas MCP públicas

• fetch_intelligence_feed(category=None, limit_per_channel=None, force_fetch=False): obtiene los feeds más recientes en paralelo y los guarda en LanceDB (con comprobación de interval_hours)

• search_intelligence(query, category=None, limit=10): búsqueda por similitud semántica de vectores

• list_intelligence_records(category=None, is_serendipity=None, limit=50): lista filtrada de artículos guardados

• generate_crossover_digest(period="daily", fetch_latest_first=True): genera el informe de cruces interdisciplinarios y los datos estructurados con etiquetas recomendadas de Coral

• get_feed_status(): consulta la configuración de los feeds monitoreados, el estado de los intervalos y las estadísticas de LanceDB