MCP标准 - 自学习AI标准系统

停止重复自己。MCP标准会从您的更正中自动学习并更新您的AI配置。

---

遇到的问题

您一直在告诉您的AI助手同样的事情：

• "使用uv而不是pip"
• "使用uv而不是pip"
• "使用uv而不是pip"

如果它在第三次时学会了呢？

---

解决方案

MCP标准会自动从您的更正中学习：

1. 您纠正了Claude三次："使用uv而不是pip"
2. MCP标准检测到了模式
3. 偏好提升（80%信心）
4. 自动更新CLAUDE.md
5. Claude再也不会犯这个错误了

使用MCP标准前

您："使用uv而不是pip"
Claude：*忽略，再次使用pip*
您："使用UV而不是PIP"
Claude：*再次忽略*
您："我已经告诉你十次了，使用UV！！！"

使用MCP标准后

您："使用uv而不是pip"（更正#1）
您："使用uv而不是pip"（更正#2）
您："使用uv而不是pip"（更正#3）
MCP标准：✅ 学习到模式！添加到CLAUDE.md
Claude：*从此以后永远使用uv*

---

特性

✨ 自学习（杀手级功能）

自动模式检测：

• 从更正中学习（3次以上）
• 检测工作流程模式
• 自动提升为偏好
• 无需手动工作即可更新CLAUDE.md

五种学习类型：

1. 明确更正："使用X而不是Y"
2. 隐式拒绝：用户在2分钟内编辑
3. 规则违反：与配置文件比较
4. 工作流程模式：代码后总是运行测试
5. 工具偏好：为任务偏好某些工具

基于信心的提升：

• 3次出现 = 30%信心（检测到）
• 5次出现 = 70%信心（高）
• 10次出现 = 90%信心（非常高）
• 95%+ = 自动应用到CLAUDE.md

🎯 自动标准提取

读取您的现有配置文件：

• .editorconfig → 缩进、行尾
• .prettierrc → 格式化、引号
• .eslintrc → 代码检查规则
• pyproject.toml → Python配置
• package.json → JavaScript依赖项
• Cargo.toml → Rust配置

自动检测：

• 项目类型（Python、JavaScript、Rust、Go等）
• 包管理器（uv、npm、yarn、cargo等）
• 测试框架（pytest、jest、vitest等）
• 构建命令

生成指令文件：

• Claude桌面/代码（CLAUDE.md）
• GitHub Copilot（.github/copilot-instructions.md）
• Cursor（.cursor/rules/standards.mdc）

🔒 生产级安全

采用纵深防御构建：

• ✅ 路径白名单 - 只允许特定目录
• ✅ 输入净化 - 无日志注入
• ✅ 速率限制 - 最多每分钟100个模式
• ✅ 审计日志 - 完整修改轨迹
• ✅ 100%本地 - 无云，无跟踪

🧠 持久记忆

• 本地SQLite数据库带FTS5
• 全文搜索（100万条记录<50毫秒）
• 导出为markdown
• 项目特定vs全局偏好

---

快速开始

安装

# 1. 克隆仓库
git clone https://github.com/airmcp-com/mcp-standards.git
cd mcp-standards

# 2. 安装依赖
uv sync

# 3. 配置Claude桌面
# 添加到~/Library/Application Support/Claude/claude_desktop_config.json：
{
  "mcpServers": {
    "mcp-standards": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "/ABSOLUTE/PATH/TO/mcp-standards",
        "python",
        "run_server.py"
      ]
    }
  }
}
# 替换/ABSOLUTE/PATH/TO/为实际路径！
# 示例：/Users/yourname/Projects/mcp-standards/run_server.py

# 4. 重启Claude桌面 - 完成！

方案B：从PyPI安装（推荐）

# 从PyPI安装
uv pip install mcp-standards

# 配置Claude桌面
# 添加到~/Library/Application Support/Claude/claude_desktop_config.json：
{
  "mcpServers": {
    "mcp-standards": {
      "command": "mcp-standards",
      "args": []
    }
  }
}

# 重启Claude桌面

🚀 60秒快速入门

一旦Claude桌面重启，尝试以下操作：

// 1. 现在存储一个偏好
add_episode(
    name="我的第一个偏好",
    content="我更喜欢在新项目中使用TypeScript而不是JavaScript",
    source="user"
)

// 2. 搜索它
search_episodes(query="TypeScript", limit=5)

// 3. 从当前项目生成AI标准
generate_ai_standards(project_path=".")

发生了什么？

• ✅ 您的偏好已存储在本地SQLite数据库中
• ✅ 在所有未来的对话中可搜索
• ✅ 从您的项目配置生成AI标准文件

下一步： 当Claude犯错时开始纠正它。在三次类似的更正后，运行：

get_learned_preferences(min_confidence=0.3)

您会看到MCP标准已经自动学到了模式！

---

可选：添加成本优化（节省99.5%）

想节省AI成本吗？ 添加agentic-flow以将简单操作路由到更便宜的模型：

# 获取免费的Gemini API密钥：https://aistudio.google.com/app/apikey

# 添加到您的claude_desktop_config.json（与mcp-standards一起）：
{
  "mcpServers": {
    "mcp-standards": { ... },
    "agentic-flow": {
      "command": "npx",
      "args": ["-y", "agentic-flow", "mcp"],
      "env": {
        "GEMINI_API_KEY": "your_gemini_api_key_here",
        "DEFAULT_MODEL": "gemini-1.5-flash",
        "SHOW_MODEL_USAGE": "true",
        "SHOW_COST_SAVINGS": "true",
        "LOG_LEVEL": "info"
      }
    }
  }
}

agentic-flow做了什么：

• 将简单操作（内存、搜索）→ Gemini Flash（每1百万令牌0.075美元）
• 保留复杂操作（代码生成）→ Claude Sonnet（每1百万令牌15美元）
• 显示每个操作使用的模型
• 实时显示节省的成本
• 每月节省约389美元的典型使用量
• 100%可选 - 即使没有它，MCP标准也能完美工作

📖 快速入门指南

MCP标准有两个互补系统来构建您的AI助手的知识：

系统1：事件（手动知识 - 立即）

立即存储事实、偏好和指令：

// ✅ 立即存储偏好
add_episode(
    name="包管理器偏好",
    content="始终使用uv而不是pip进行Python。示例：uv pip install pytest",
    source="user"
)

// 🔍 搜索您存储的知识
search_episodes(query="包管理器", limit=5)
// 返回：带有完整上下文的您的uv偏好

// 📋 列出最近的添加
list_recent(limit=10)
// 返回：最后10个添加的事件

何时使用事件：

• ✅ 立即存储偏好
• ✅ 记录项目特定的事实
• ✅ 保存代码示例和片段
• ✅ 构建可搜索的知识库

系统2：学习偏好（自动模式检测 - 随时间）

该系统自动从重复的更正中学习：

// 🤖 您不需要调用这些 - 它们会自动发生！
// 示例：您纠正Claude三次："使用uv而不是pip"
// → 系统检测到模式
// → 创建具有信心分数的学习偏好

// 📊 检查哪些模式被自动检测到
get_learned_preferences(min_confidence=0.3)
// 返回：从更正中学到的偏好及其信心分数
// 示例：{ preference: "使用uv而不是pip", confidence: 0.85, occurrences: 5 }

// 💡 获取AI建议的CLAUDE.md更新
suggest_claudemd_update(
    project_path="./my-project",
    min_confidence=0.7
)
// 返回："添加规则：使用uv进行包管理（信心：0.85）"

// ✍️ 将学习到的模式应用于您的CLAUDE.md
update_claudemd(
    file_path="./CLAUDE.md",
    min_confidence=0.7
)
// 自动更新CLAUDE.md，包含高信心的学习模式

当满足以下条件时，学习偏好会自动建立：

• 🔄 您纠正相同的事情3次以上
• 🔄 模式在不同项目之间出现
• 🔄 信心分数达到阈值：
  • 0.3 = 出现模式（2-3次更正）
  • 0.7 = 强烈偏好（5-7次更正）
  • 0.9 = 非常有信心（10次以上更正）

🎯 实际案例：教Claude使用uv

场景： 您希望Claude始终使用uv而不是pip

方案A：立即存储（推荐用于新偏好）

add_episode(
    name="Python包管理器",
    content="用户更喜欢uv而不是pip。始终使用：uv pip install <package>",
    source="user"
)

✅ 立即可用于搜索 ✅ 当前会话有效 ✅ 手动但快速

方案B：让系统学习（随时间自动）

1. 第一天： 纠正Claude："使用uv而不是pip" → 模式#1检测到
2. 第三天： 在不同的项目中再次纠正 → 模式#2检测到
3. 第七天： 第三次纠正 → 创建学习偏好（信心：0.3）
4. 第十四天： 第四次纠正 → 信心增加到0.7
5. 运行get_learned_preferences() → 查看模式
6. 运行suggest_claudemd_update() → 获取添加到CLAUDE.md的建议
7. 运行update_claudemd() → 自动更新您的配置文件

✅ 建立信心分数 ✅ 建议CLAUDE.md更新 ✅ 自动但较慢

🚀 最佳实践：两者都使用！

1. 立即存储关键偏好使用add_episode()
2. 让系统从更正中学习模式随时间
3. 每月审查学习偏好使用get_learned_preferences()
4. 当信心分数较高时更新CLAUDE.md（0.7+）

🔧 从现有项目生成标准

// 从现有配置文件自动生成CLAUDE.md
generate_ai_standards(project_path=".")
// 分析：.editorconfig, .prettierrc, eslint.config.js, pyproject.toml
// 生成：CLAUDE.md, .github/copilot-instructions.md, .cursor/rules/

---

工作原理

模式学习流水线

用户更正 → 模式提取 → 频率追踪 → 信心评分 → 偏好提升 → CLAUDE.md更新

示例流程：

1. 用户说："实际上，使用uv而不是pip"
2. 模式提取器检测到："使用uv而不是pip"
3. 频率追踪器递增：出现次数#1
4. 再重复两次 → 出现次数#3
5. 提升引擎创建偏好（信心0.3）
6. 用户批准 → 更新CLAUDE.md
7. 未来会话 → Claude在上下文中看到偏好

数据库模式

-- 模式频率（跟踪出现次数）
CREATE TABLE pattern_frequency (
    pattern_key TEXT UNIQUE,
    occurrence_count INTEGER,
    confidence REAL,
    promoted_to_preference BOOLEAN
);

-- 工具偏好（学习规则）
CREATE TABLE tool_preferences (
    category TEXT,
    preference TEXT,
    confidence REAL,
    apply_count INTEGER,
    project_specific BOOLEAN
);

-- 审计日志（安全轨迹）
CREATE TABLE audit_log (
    action TEXT,
    target_path TEXT,
    details TEXT,
    success BOOLEAN,
    timestamp TIMESTAMP
);

---

MCP标准有何不同？

功能	MCP标准	Tabnine	Copilot	其他MCPs
从更正中学习	✅ 自动	❌ 不	❌ 不	❌ 不
更新CLAUDE.md	✅ 自动	N/A	N/A	❌ 手动
模式检测	✅ 5种类型	❌ 不	❌ 不	❌ 不
100%本地	✅ 是	❌ 云端	❌ 云端	✅ 各异
开源	✅ MIT	❌ 不	❌ 不	✅ 各异
安全特性	✅ 4层	⚠️ 基本	⚠️ 基本	⚠️ 各异

独特价值主张： MCP标准是唯一一个可以从您的更正中学习并自动更新您的AI配置的系统。

---

文档

指南

• 快速入门 - 5分钟设置
• 自学习指南 - 如何工作
• 安全指南 - 安全特性解释
• 集成指南 - 所有AI助手的设置
• 配置标准 - 统一配置参考

技术

• 架构 - 系统设计
• 自学习PRD - 产品需求文档

---

MCP工具

核心记忆

• add_episode(name, content) - 保存知识
• search_episodes(query, limit) - 全文搜索
• list_recent(limit) - 最近的事件

模式学习

• get_learned_preferences(category, min_confidence) - 查看学习到的模式
• suggest_claudemd_update(project_path) - 获取建议
• update_claudemd(file_path, min_confidence) - 应用更新

标准生成

• generate_ai_standards(project_path, formats) - 从配置文件自动生成
• export_to_markdown(export_path) - 导出知识库

---

要求

• Python 3.10或更高版本
• Claude桌面或Claude代码
• MCP 1.0+

支持的配置文件

格式化：

• .editorconfig
• .prettierrc / .prettierrc.json
• .eslintrc / .eslintrc.json

语言：

• pyproject.toml（Python - Black, Ruff, Poetry, uv）
• package.json（JavaScript/TypeScript）
• Cargo.toml（Rust）
• go.mod（Go）

更多即将推出：Ruby, PHP, Java, C#

---

成本优化（可选）

默认情况下，MCP标准使用Claude Sonnet进行所有操作。您可以选择配置它以使用99.5%更便宜的模型进行简单操作：

设置Gemini Flash（推荐）

1. 获取免费API密钥：https://aistudio.google.com/app/apikey
2. 添加到您的环境：

   export GEMINI_API_KEY="your_key_here"
   # 或者添加到~/.bashrc或~/.zshrc
   

3. 自动路由：
   • 简单操作（内存CRUD，搜索）→ Gemini 1.5 Flash（每1百万令牌0.075美元）
   • 复杂操作（代码生成，模式分析）→ Claude Sonnet（每1百万令牌15美元）
   • 99.5%的成本节省在常规操作上

由Agentic Flow提供支持

MCP标准使用agentic-flow进行智能模型路由和成本优化。

功能：

• 根据任务复杂度自动选择模型
• 支持20多种AI提供商（Anthropic, Google, OpenRouter, Groq等）
• 为