求知镜 MCP (Mirror of Wisdom)

本地 AI 的专家咨询工具 - 动态生成专家角色，提供问题-解决-结束的专业服务

🌟 产品简介

求知镜 MCP 是一个基于 MCP (Model Context Protocol) 的专家咨询工具，根据用户需求动态生成专业的专家角色，提供从问题分析到解决方案的完整咨询服务。

核心特性

🧠 元提示词驱动 - 使用 4D 流程动态生成专业专家提示词
💭 思维链展示 - 专家展示完整思考过程（知识对齐、逻辑解构、交叉验证、执行策略）
🎯 信息粒度对齐 - 首次对话主动提问，确保理解用户真实需求
✅ 任务完成导向 - 问题解决后明确终止，非无限聊天
🔄 多领域支持 - 技术、设计、商业、教育等任意领域
🛡️ 质量保证 - 自动回退机制，确保服务稳定性

产品定位

| 维度 | 不是 | 而是 | |------|------|------| | 核心定位 | 聊天机器人、万能助手 | 专家咨询工具 | | 使用模式 | 无限多轮对话 | 问题-解决-结束 | | 专家切换 | 复用 session_id（会错位） | 每个任务创建新会话 | | 价值主张 | 一个"万能"但平庸的助手 | 每个领域都有最专业的专家 |

🚀 快速开始

安装

方式 1: 使用可视化配置工具（推荐）

# 进入项目目录
cd mcp-mirror-of-wisdom

# 安装依赖
pip install -e .

# 运行可视化配置工具
python tools/mirror_config_tool.py

方式 2: 手动配置

# 进入项目目录
cd mcp-mirror-of-wisdom

# 安装依赖
pip install -e .

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，设置 MIRROR_API_KEY

详细安装教程: 查看 INSTALLATION.md 获取完整的用户级安装指南

运行

# 启动 MCP 服务器
python -m mirror_of_wisdom.server

# 或使用 MCP Inspector 测试
npx @modelcontextprotocol/inspector python -m mirror_of_wisdom.server

使用示例

# 1. 创建专家会话
session_id = await create_expert_session(
    requirement="我需要优化数据库查询性能"
)

# 2. 专家首次回复（主动提问对齐信息粒度）
# 专家会问 3 个关键问题

# 3. 用户提供详细信息
response = await chat_with_expert(
    session_id=session_id,
    message="我的订单表有5000万条数据，SQL 是..."
)

# 4. 专家深度分析（展示完整思维链）
# 知识对齐 → 逻辑解构 → 交叉验证 → 执行策略

# 5. 问题解决后，专家自动终止对话
# 提示重新创建新会话处理其他问题

💡 使用场景

💡 技术问题
   → 创建技术专家会话
   → 展示思维链分析
   → 提供具体解决方案
   → 问题解决后终止

🎨 设计问题
   → 创建设计专家会话（新会话）
   → 分析设计需求
   → 提供专业设计方案
   → 完成后终止

📈 商业问题
   → 创建商业专家会话（新会话）
   → 商业模式分析
   → 战略建议
   → 完成后终止

重要提示：每次处理不同领域的问题时，请创建新的专家会话，以获得最专业的指导。

📖 详细文档

INSTALLATION.md - 完整安装教程（用户级安装）
QUICKSTART.md - 5分钟快速上手指南
DEVELOPMENT.md - 完整开发指南
说明文档.md - 项目全生命周期文档

🏗️ 项目结构

mcp-mirror-of-wisdom/
├── 说明文档.md              # 项目主文档
├── README.md               # 本文件
├── INSTALLATION.md         # 安装教程
├── QUICKSTART.md           # 快速开始
├── DEVELOPMENT.md          # 开发指南
├── pyproject.toml          # 项目配置
│
├── src/
│   ├── mirror_of_wisdom/   # 核心包
│   │   ├── config.py       # 配置管理
│   │   ├── prompt_generator.py  # 元提示词生成器
│   │   ├── llm_client.py   # 多提供商 LLM 客户端
│   │   ├── session_manager.py  # 会话状态管理
│   │   ├── llm_cache.py    # 持久化缓存
│   │   ├── circuit_breaker.py # 熔断器保护
│   │   └── metrics.py      # 性能监控
│   ├── tools/              # MCP 工具
│   │   └── expert_session.py  # 3个核心工具
│   └── server.py           # MCP 服务器入口
│
├── tools/                  # 配置工具
│   └── mirror_config_tool.py  # 可视化配置工具
│
├── tests/                  # 测试
│   ├── unit/               # 单元测试
│   └── scenarios/          # 场景测试
│
└── .ai_temp/               # 临时文件（演示脚本等）

🛠️ 核心 MCP 工具

1. create_expert_session

创建专家会话，生成专家提示词，并立即返回专家首次回复（主动提问）。

2. chat_with_expert

与专家对话，展示完整思维链，提供专业建议。

3. end_expert_session

结束专家会话，清理资源，并提供会话统计。

📊 项目状态

当前版本：v0.7.2 (Phase 6)

已完成功能：

✅ 元提示词驱动（4D 流程）
✅ 思维链展示（始终展示思考过程）
✅ 首次对话协议（分析概述 + 3个问题）
✅ 任务完成与终止机制
✅ 多领域专家动态生成
✅ 会话状态管理（TTL 30分钟）
✅ 持久化缓存（规避重复推理）
✅ 熔断器保护（防止级联故障）
✅ 性能监控（LLM 调用统计）
✅ 多提供商支持（OpenAI/Anthropic/智谱/Gemini/自定义）

测试覆盖：

✅ 94 个单元测试通过
✅ 真实 LLM 端到端演示验证
✅ 极端情况测试通过

🔗 相关链接

📝 更新日志

v0.7.2 (2025-01-25)

Phase 6 完成：

✨ 元提示词优化（专家思维系统）
💭 始终展示思维链（首次收敛为概述+3问题，后续完整4步）
✅ 任务完成与终止机制（问题-解决-结束模式）
📝 产品定位明确（专家咨询工具，非聊天机器人）
✅ 端到端真实 LLM 演示验证
✅ Phase 6 单元测试（9个新测试）

v0.7.1 (2025-01-23)

Phase 5 完成：

✨ 两阶段提示词优化
🎯 自定义约束和验收标准
📦 配置文件预设支持

v0.7.0 (2025-01-23)

Phase 4 完成：

🔄 会话管理重构（显式生命周期）
💬 首次对话信息粒度对齐
🛡️ 质量检查与兜底机制

v0.6.0 (2025-01-22)

Phase 3 完成：

⚡ 持久化缓存（规避 13s LLM 推理时间）
🛡️ 熔断器保护（防止级联故障）
📊 性能监控（LLM 调用统计）

🤝 贡献

欢迎贡献！请查看 DEVELOPMENT.md 了解开发指南。

📄 许可证

mcp-mirror-of-wisdom 双重许可协议

💬 联系方式

Issues: GitHub Issues
Discussions: GitHub Discussions

需要帮助？ 查看 QUICKSTART.md 或 DEVELOPMENT.md

MCP Servers