omoshiro-mcp

Servidor MCP fundamentado en investigación para analizar interestingness / 面白さ.

Este servidor no puntúa el contenido. Devuelve lentes de evaluación, límites conceptuales, patrones de interacción y referencias de investigación para que la IA llamante pueda realizar el análisis por sí misma.

Principio

Devuelve lentes de evaluación; no puntúa el contenido.

La ontología separa:

• Lentes primitivas: constructos que una IA puede inspeccionar directamente o en relación con un modelo de audiencia

• Dinámicas derivadas: cambios a lo largo del tiempo como el error de predicción o la reducción de incertidumbre

• Estados/mecanismos compuestos: interés, curiosidad, suspenso, humor, insight, flow, asombro, transporte

• Resultados: disfrute, atención, memoria, aprendizaje, persistencia, etc.

Esto evita colapsar todo en un único interestingness_score sin significado.

Related MCP server: AI Evaluator MCP Server

Punto final MCP

Cuando se despliega en Vercel, usa:

https://<your-project>.vercel.app/mcp

Protocolo: MCP Streamable HTTP / JSON-RPC.

Herramientas

get_lenses

Devuelve un conjunto curado de lentes primitivas para un objetivo.

Ejemplos de argumentos:

{
  "target_type": "oogiri",
  "analysis_goal": "humor"
}

search_lenses

Busca constructos primitivos y compuestos mediante términos en lenguaje natural.

{
  "query": "unexpected but understandable"
}

get_lens

Devuelve la definición, preguntas de diagnóstico, límites conceptuales, aplicabilidad e inferibilidad de una lente primitiva.

{"id":"novelty"}

get_composite

Devuelve un mecanismo/estado compuesto y sus constructos de entrada.

{"id":"suspense"}

list_ontology

Enumera la ontología completa y las referencias principales.

Lentes primitivas principales

La versión v0.1 actual incluye 21 primitivas:

• novelty

• complexity

• comprehensibility

• processing_fluency

• relevance

• information_gap

• knowability

• uncertainty

• expectation_strength

• outcome_significance

• conflict_instability

• violation

• benignness

• vastness

• accommodation_demand

• challenge

• competence

• control

• autonomy

• feedback_clarity

• relatedness

Dinámicas derivadas

• prediction_error

• information_gain

• uncertainty_reduction

• gap_resolution

• conflict_resolution

• comprehension_gain

• fluency_gain

• mastery_progress

Mecanismos / estados compuestos

• interest

• curiosity

• suspense

• humor_benign_violation

• humor_incongruity_resolution

• insight

• flow

• awe

• transportation

Un compuesto no es una puntuación. Por ejemplo:

Interest ≈ novelty/complexity × sufficient comprehensibility
Curiosity ≈ information gap × knowability × relevance × uncertainty
Suspense ≈ uncertainty × expectation strength × outcome significance
Benign-violation humor ≈ violation × benignness
Awe ≈ vastness × accommodation demand

Son patrones conceptuales, no ecuaciones universales validadas.

Inferibilidad

Cada lente incluye un campo inferability:

• direct: a menudo se puede inspeccionar desde el contenido mismo

• audience_model_required: depende del conocimiento previo, la cultura, las expectativas de género, etc.

• experience_required: el estado psicológico real no debe afirmarse sin evidencia de la audiencia/jugador

Por ejemplo, novelty es relativo a la audiencia, mientras que flow o transportation reales no pueden afirmarse de manera fiable solo leyendo el artefacto.

Ejemplo de flujo de trabajo

El usuario pregunta:

こんなエンジニアは嫌だ。どんなエンジニア？ 回答：キーボードがでかすぎて部屋に入らない

IA llamante:

1. llama a get_lenses({ target_type: "oogiri", analysis_goal: "humor" })

2. recibe lentes como expectation_strength, violation, benignness, novelty, comprehensibility, processing_fluency

3. realiza el análisis real por sí misma

4. no le pide al MCP que genere una puntuación de humor

Base de investigación

La ontología v0.1 se fundamenta en trabajos que incluyen:

• Silvia, P. J. (2005). What Is Interesting? Exploring the Appraisal Structure of Interest. Emotion.

• Loewenstein, G. (1994). The Psychology of Curiosity: A Review and Reinterpretation. Psychological Bulletin.

• Kang, M. J. et al. (2009). The Wick in the Candle of Learning: Epistemic Curiosity Activates Reward Circuitry and Enhances Memory. Psychological Science.

• Reber, R., Schwarz, N., & Winkielman, P. (2004). Processing Fluency and Aesthetic Pleasure. Personality and Social Psychology Review.

• McGraw, A. P. & Warren, C. (2010). Benign Violations: Making Immoral Behavior Funny. Psychological Science.

• Keltner, D. & Haidt, J. (2003). Approaching Awe, a Moral, Spiritual, and Aesthetic Emotion. Cognition and Emotion.

• Ryan, R. M., Rigby, C. S., & Przybylski, A. (2006). The Motivational Pull of Video Games. Motivation and Emotion.

• Busselle, R. & Bilandzic, H. (2009). Measuring Narrative Engagement. Media Psychology.

La ontología es una síntesis de ingeniería a través de estas literaturas, no una afirmación de que un solo artículo defina la estructura completa.

Desarrollo

El servidor es intencionalmente ligero en dependencias y está implementado como un endpoint serverless de Vercel en api/mcp.js.

Una solicitud GET a /mcp devuelve metadatos del servidor. Los clientes MCP deben usar solicitudes POST JSON-RPC para initialize, tools/list y tools/call.

Licencia

MIT