Eine deterministische Architektur-Engine und Logik-Deadlock-Protokoll für Cursor
Wenn die Projektkomplexität zunimmt, gerät KI-Programmierung oft in eine „Halluzinationsspirale“. VibeLogic MCP ist kein weiterer Codegenerator, sondern eine Steuerungsebene zwischen „menschlicher Absicht“ und „Codeausführung“. Es zwingt die KI dazu, vor der Codeänderung eine Prüfung anhand visueller Blaupausen durchzuführen.
Visuelle Architekturprüfung (Visual Audit): Zwingt die KI dazu, die Projekttopologie zu extrahieren und die Logik über Mermaid-Blaupausen abzugleichen, um 100 % Intentionssicherheit zu gewährleisten.
Logik-Deadlock-Protokoll (Security Lock): Ein exklusiv gekapseltes Aufmerksamkeits-Hijacking-Protokoll, das die KI zwingt, vor der „Planbestätigung“ im Standby-Modus zu bleiben, um unbefugte Refactorings zu verhindern.
Dateiübergreifende Tiefenverfolgung: Automatische Erkennung von dateiübergreifenden Änderungen und Erstellung strukturierter Arbeitspläne (Action Plan).
Asset-Archivierung: Alle Architekturentscheidungen werden automatisch als .md-Dateien exportiert und dauerhaft als Architektur-Entwicklungsprotokoll des Projekts gespeichert.
Related MCP server: mcp-edit-math
Stellen Sie sicher, dass Node.js installiert ist, und führen Sie dann direkt in Cursor aus:
npx vibelogic-mcpÖffnen Sie Cursor Settings -> Features -> MCP. Klicken Sie auf + Add New MCP Server. Nehmen Sie folgende Einstellungen vor:
{
"mcpServers": {
"VibeLogic": {
"command": "npx.cmd",
"args": [
"-y",
"vibelogic-mcp@latest"
]
}
}
}"Analysiere die Logik dieser Funktion für mich, ich möchte ein Diagramm sehen." "Ich möchte den Validierungsprozess des Login-Moduls umgestalten, erstelle zuerst ein Diagramm und einen Arbeitsplan." "Prüfe basierend auf dem aktuellen Code die Auswirkungen der neuen API auf die bestehende Architektur."
BYOK (Bring Your Own Key): VibeLogic läuft in Ihrer lokalen Umgebung, speichert keinen Code und nutzt vollständig die von Ihnen in Cursor gewählten Modellkapazitäten. Keine unnötige Komplexität: Aktiviert sich nur bei Änderungen an der Kernlogik und stört nicht bei regulären UI-Anpassungen oder Fehlerbehebungen.
仅在涉及项目核心逻辑变更、新增功能、跨文件流程修改，或用户明确要求“查看项目逻辑”、“查看当前项目实现”时调用。 警告：对于调整简单参数、常数、阈值、纯 UI 颜色/样式微调、补充注释、变量重命名、局部语法 Bug 修复等不涉及核心逻辑变动的操作，严禁调用此工具。
| Name | Required | Description | Default |
|---|---|---|---|
| intent | Yes | 用户意图：'view' 表示仅查看，'modify' 表示重构。 |
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
No annotations provided, so description carries full burden. It does not describe what the tool does (e.g., whether it reads or modifies, side effects, return values). It only states when to call, missing essential behavioral context.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
Description is concise and front-loaded with usage conditions. While slightly verbose with the warning, it remains efficient and well-structured.
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
Given no output schema, the description should explain return values or effect of the tool. It only covers when to call, leaving the agent without knowledge of what to expect from invocation.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
Schema coverage is 100% with a single parameter 'intent' that has an enum and description. The description adds no additional meaning beyond the schema, so baseline score of 3 is appropriate.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
The description clearly states the tool is for core logic changes, new features, cross-file modifications, or when user asks to view project logic. It distinguishes what is not its purpose (trivial changes) effectively, despite having no sibling tools to differentiate from.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
Explicitly specifies when to call and when not to call, with concrete examples of allowed and forbidden use cases. This provides strong guidance for an AI agent to select the appropriate tool.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
v0.1.0get_logic_blueprintScored across 1 tool
With only one tool, there is no risk of confusion between tools.
The single tool uses a verb_noun pattern (get_logic_blueprint), and with only one tool, consistency is not an issue.
One tool is too few for a server named 'vibelogic', which suggests a need for multiple logic-related operations. The tool is also highly restricted in usage, further limiting its utility.
A single tool cannot cover the expected lifecycle or operations for logic manipulation. The tool itself warns against many common tasks, leaving obvious gaps.
Deterministic AI code review, with an audit record. Governance inside the agent loop.
Let Claude, Cursor, or ChatGPT author Mermaid diagrams your team can read and share.
AI Agent with Architectural Memory. Impact analysis (free), tests and code from the graph (pro).
Pre-execution governance for AI agents. Deterministic PASS/FAIL/REVIEW verdicts, replayable proof.
