MCP Brainstorm-Server

Ein MCP-Server (Model Context Protocol), der eine leichtgewichtige, ressourceneffiziente Localhost-Benutzeroberfläche für interaktives, KI-gestütztes Brainstorming, Planen und Visualisieren bereitstellt. Entwickelt für die nahtlose Zusammenarbeit mit Claude und anderen KI-Agenten für kollaborative Ideenfindungs-Workflows.

Was er leistet

Kern-Workflow

1. Erkennung: Wenn Sie Brainstorming-Schlüsselwörter erwähnen (brainstorm, plan, think, how do...), fragt der KI-Agent, ob Sie die interaktive Benutzeroberfläche verwenden möchten.

2. Start: Der Server startet auf localhost mit einer sitzungsspezifischen URL.

3. Interaktion: Brainstorming-Materialien werden mittels Mermaid-Diagrammen oder Tailwind-gestylter HTML-UI gerendert.

4. Übermittlung: Benutzer interagieren mit anklickbaren Schaltflächen, geben Kommentare ein und können optional Bilder hochladen/einfügen.

5. Abruf: Der KI-Agent liest die übermittelten Antworten, um die Arbeit fortzusetzen.

6. Dokumentation: Optionales Speichern unter plans/*.md für zukünftige Referenzzwecke.

Funktionen

• Multi-Sitzungs-Unterstützung: Jede KI-Agenten-Sitzung erhält eine eigene URL (localhost:{port}/{sessionid}), wobei die Tab-Namen zur einfachen Unterscheidung das Arbeitsverzeichnis widerspiegeln.

• Gemeinsame Einzelinstallation für Agenten: Ein lokaler Klon und eine Python-Umgebung können gleichzeitig von Claude, Codex und anderen MCP-kompatiblen Agenten genutzt werden, sodass Sie die Installation nur einmal pro Maschine und nicht pro Agent durchführen müssen.

• Rendering von Rich Content:

  • Mermaid-Diagramme für Graphen, Flussdiagramme und Visualisierungen

  • Tailwind CSS-gestylte UI für Brainstorming-Optionen und Schnittstellen

  • Markdown-kompatibler Format-Renderer mit eingebetteten Diagrammen und Tabellen

• Interaktive Elemente:

  • Automatisch generierte IDs für Abschnitte und Optionen (zur einfachen Referenzierung)

  • Anklickbare Schaltflächen für Benutzerauswahlen

  • Inline-Eingabefelder für Kommentare

  • Senden/Fertig-Workflow

• Bildunterstützung:

  • Lokaler Datei-Upload über Dateiauswahl

  • Internetzugängliche URLs

  • Zwischenablage-Einfügefunktion

• Ressourceneffizient: Leichtgewichtiger Python-Server, der für den Einzelbenutzerbetrieb konzipiert ist.

• Nur Loopback: Die HTTP-UI ist strikt auf Loopback-Adressen beschränkt und weist nicht-lokale Clients ab.

Related MCP server: tldraw-mcp

Architektur

Komponenten

├── mcp_server.py          # MCP server implementation (Python)
├── server/                # localhost UI server
│   ├── app.py            # Flask/FastAPI server
│   ├── templates/        # HTML templates
│   └── static/           # CSS, JS, assets
└── requirements.txt      # Dependencies

Laufzeitdaten werden standardmäßig außerhalb des Repositorys unter ~/.mcp/brainstorm-mcp/ gespeichert:

~/.mcp/brainstorm-mcp/
├── sessions/             # Session state storage
│   └── assets/           # Uploaded or pasted image data
├── plans/                # User-saved markdown plans
└── preferences/          # Brainstorm preferences (instructions to the AI)
    ├── global.json       # Machine-wide defaults
    └── projects/         # Per-project overrides, keyed by hashed absolute path

Projektspezifische Einstellungen befinden sich unter dem zentralen Datenstammverzeichnis (niemals innerhalb des Projekt-Repositorys), sodass die Konfiguration eines Projekts niemals Dateien zum Arbeitsbaum dieses Projekts hinzufügt.

Sitzungsverwaltung

• Jede Sitzung erhält eine eindeutige sessionid (UUID oder ähnlich)

• Der Sitzungsstatus wird standardmäßig in einem leichtgewichtigen persistenten Speicher unter dem Verzeichnis ~/.mcp/brainstorm-mcp/ des Benutzers gespeichert.

• URLs: localhost:PORT/{sessionid}

• Tab-Titel spiegeln das Arbeitsverzeichnis (pwd) des KI-Agenten-Terminals wider.

Tech-Stack

• MCP-Framework: Python MCP SDK

• Backend: Python (Flask/FastAPI für leichtgewichtigen HTTP-Server)

• Frontend-Rendering:

  • Diagramme: Mermaid.js

  • UI/Styling: Tailwind CSS

  • Markdown: Kompatibles Format mit eingebetteter Mermaid-Unterstützung

• Speicher: JSON/SQLite (minimal, für Sitzungsstatus)

Installation & Verwendung

Voraussetzungen

• Python 3.9+

• MCP-Client (Claude oder kompatibler KI-Agent)

Vollständige Installationsanleitung

Für vollständige Installationsanweisungen, einschließlich:

• Verwendung eines bestehenden lokalen Klons

• Klonen in den empfohlenen gemeinsamen MCP-Server-Speicherort

• Verbinden des Servers mit Codex

• Verbinden des Servers mit Claude Code

• Wiederverwendung einer Installation über mehrere Agenten hinweg

Siehe INSTALL.md.

Einrichtung

git clone <repo-url>
cd mcp-brainstorm-server
pip install -r requirements.txt

Starten des Servers

Der Server wird bei Bedarf vom MCP-Tool gestartet, wenn der KI-Agent Brainstorming-Schlüsselwörter erkennt. Benutzer können ihn auch manuell starten:

python mcp_server.py

Erwartete Abhängigkeiten

anthropic-mcp
flask  # or fastapi
pydantic
python-dotenv

Protokoll-Ablauf

Beispiel: Planung eines Features

1. Benutzer: "Lass uns die Architektur für dieses Feature brainstormen"

2. KI-Agent: Erkennt Schlüsselwort → Fragt "Soll ich die interaktive Brainstorming-UI öffnen?"

3. Benutzer: "Ja"

4. Server: Startet unter localhost:8080/abc-def-123-ghi (sessionid basierend auf pwd)

5. UI: Rendert Mermaid-Diagramm möglicher Architekturen mit anklickbaren Optionen, Kommentarfeldern und Bild-Upload-Bereich

6. Benutzer: Klickt auf die bevorzugte Architektur-Option, fügt Kommentare hinzu, lädt optional ein Referenzdiagramm hoch

7. Benutzer: Klickt auf "Senden"

8. Server: Speichert die Übermittlung unter der sessionid

9. Benutzer: Kehrt zum KI-Agenten zurück und sagt "Antwort übermittelt"

10. KI-Agent: Ruft die Übermittlung über MCP ab → Setzt die Planung mit der Eingabe des Benutzers fort

11. KI-Agent (optional): "Soll ich diesen Plan speichern? Vorgeschlagener Speicherort: plans/feature-architecture.md" Standard-Speicherort auf der Festplatte: ~/.mcp/brainstorm-mcp/plans/feature-architecture.md

MCP-Tool-Spezifikation

Verfügbare Tools

start_brainstorm_session

Startet eine interaktive Brainstorming-UI-Sitzung.

Eingabe:

• prompt (str): Initialer Brainstorming-Prompt/Kontext

• content_type (str): "mermaid", "html" oder "markdown"

• working_dir (str, optional): Aktuelles Arbeitsverzeichnis (wird für den Tab-Titel verwendet)

Ausgabe:

• session_id (str): Eindeutige Sitzungskennung

• url (str): Vollständige Localhost-URL für den Zugriff auf die UI

• port (int): Verwendete Portnummer

get_session_response

Ruft die Benutzereingabe aus einer abgeschlossenen Sitzung ab.

Eingabe:

• session_id (str): Sitzungskennung

Ausgabe:

• response (dict): Die vom Benutzer übermittelten Auswahlen, Kommentare und Bilder

• timestamp (str): Zeitpunkt der Übermittlung

• status (str): "pending", "submitted", "expired"

list_sessions

Listet alle aktiven Sitzungen auf.

Ausgabe:

• sessions (list): Array von aktiven Sitzungsobjekten mit IDs, URLs und Erstellungszeiten

close_session

Beendet und bereinigt eine Sitzung.

Eingabe:

• session_id (str): Zu schließende Sitzung

set_brainstorm_preferences

Speichert benutzerseitige Anweisungen, die die Art und Weise des Brainstormings durch die KI beeinflussen. Jedes Feld, das nicht gesetzt wird, behält den vorherigen Wert bei, sodass Sie ein Feld nach dem anderen aktualisieren können.

Eingabe:

• scope (str): "global" (maschinenweiter Standard) oder "project" (Überschreibung für ein Projekt — erfordert project_path)

• project_path (str, optional): Absoluter Pfad zum Projekt. Erforderlich, wenn scope="project". Wird als Suchschlüssel verwendet; die Datei selbst wird zentral unter ~/.mcp/brainstorm-mcp/preferences/projects/ gespeichert.

• uiux_level (str, optional): UI/UX-Kenntnisstand des Benutzers (Freitext). Vorgeschlagene Werte: never_before, amateur, intermediate, expert.

• uiux_style (str, optional): UI/UX-Stil des Projekts (Freitext). Beispiele: corporate internal tool, marketing-heavy landing page, children education app.

• questioning_style (str, optional): Wie die KI den Benutzer befragen soll. Vorgeschlagene Werte: autonomous_review (KI erstellt, Benutzer prüft mit so wenigen Fragen wie möglich) oder collaborative_stepwise (KI brainstormt Schritt für Schritt und stellt viele Fragen, um sich der imaginierten UI anzunähern).

Ausgabe: Effektive Einstellungen nach der Zusammenführung (Projekt überschreibt global, Feld für Feld), plus die Quelle jedes Feldes.

get_brainstorm_preferences

Liest die effektiven Brainstorming-Einstellungen. Projektwerte überschreiben globale Werte Feld für Feld.

Eingabe:

• project_path (str, optional): Absoluter Projektpfad zur Zusammenführung mit den globalen Standards. Weglassen, um nur die globalen Einstellungen zu lesen.

Ausgabe: Gleiche Struktur wie set_brainstorm_preferences. Die KI erhält dieses Objekt auch inline bei jeder start_brainstorm_session-Antwort, sodass sie nie zweimal fragen muss.

Designprinzipien

• Minimale Ressourcennutzung: Einzelbenutzerbetrieb, keine schweren Abhängigkeiten

• Zustandslos, wo möglich: Sitzungen sind flüchtig, sofern sie nicht auf der Festplatte gespeichert werden

• Einfache Referenzierung: Automatisch generierte IDs für alle interaktiven Elemente

• KI-Agenten-freundlich: Strukturierte Antwortformate für einfache Analyse und Fortsetzung

• Visuelle Klarheit: Klare Trennung von UI-Abschnitten mit Markdown/Mermaid-Rendering

Zukünftige Erweiterungen

• Persistente Sitzungshistorie

• Echtzeit-Kollaboration (zukünftige Multi-User-Unterstützung)

• Benutzerdefinierte Tailwind-Komponentenbibliothek für Brainstorming-Vorlagen

• Integrierter Export in verschiedene Formate (PDF, PNG, etc.)

• Integration mit Git für automatische Plan-Versionierung

Lizenz

MIT

Mitwirken

Beiträge sind willkommen. Bitte befolgen Sie PEP 8 für Python-Code und stellen Sie sicher, dass der Server leichtgewichtig bleibt.