Mem20MPC

mcp-cognitive-substrate

mcp-name: io.github.JaysonAIOnline/cognitive-substrate

Un sustrato cognitivo de 28 capas con memoria evolutiva Tree-of-Thoughts (ToT) entre sesiones, autotelemetría condicional y herramientas A2A para agentes MCP.

Permite a los agentes razonar a través de un sustrato validado de 28 capas, evolucionar la memoria entre sesiones y comunicarse con agentes pares, todo en un paquete instalable con pip.

Características

• Sustrato cognitivo de 28 capas con validación Pydantic — CognitiveSubstrate valida el razonamiento a través de 6 familias / 28 capas.
• Memoria evolutiva ToT entre sesiones — nodos de árbol de pensamiento respaldados por SQLite + historial del sustrato; las ramas podadas se convierten en lecciones para futuras sesiones.
• Analizador JSON robusto basado en pila — sin expresiones regulares; maneja corchetes anidados, cadenas escapadas y bloques de código incrustados (robust_slice / robust_json_slice).
• Herramienta de autotelemetría — get_cognitive_tree_state devuelve rutas activas y ramas podadas de una sesión.
• Bucle de almacenamiento posterior a la ejecución — store_5key_telemetry guarda automáticamente telemetría compacta de 5 claves (fundamentos, metacognición, defensivo, recursos, utilidad).
• 7 paradigmas de razonamiento — deductivo, inductivo, abductivo, analógico, causal, silogístico, falsación.
• Herramientas A2A — listar, descubrir, llamar y orquestar agentes pares.
• Servidor MCP — expone todo como herramientas a través de la CLI cognitive-substrate.

Instalación

pip install mcp-cognitive-substrate

O instalar desde el código fuente:

git clone https://github.com/JaysonAIOnline/mcp-cognitive-substrate.git
cd mcp-cognitive-substrate
pip install -e .[test]

Requiere Python >= 3.11.

Inicio rápido

from mcp_cognitive_substrate.substrate import CognitiveSubstrate
from mcp_cognitive_substrate.memory import get_cognitive_tree_state, store_5key_telemetry

substrate = CognitiveSubstrate()
response = substrate.run("Your user prompt here")
print(response["layers_applied"], "layers applied")
print(response["substrate_verdict"])

Uso

Sustrato de 28 capas

from mcp_cognitive_substrate import substrate

# Layer count and schema
print(substrate.layer_count())        # 28
print(substrate.SUBSTRATE_SCHEMA)     # the full 6-family schema

# Validate a prompt through the substrate
result = substrate.CognitiveSubstrate(session_id="s1").run("deploy safely")
print(result["substrate_verdict"])    # heuristic pruning verdict

# Run a single paradigm
from mcp_cognitive_substrate import run_paradigm
print(run_paradigm("14_idempotency_side_effect_audit", {"evaluate_branch": True}))

Memoria evolutiva ToT entre sesiones

from mcp_cognitive_substrate.memory import (
    store_5key_telemetry,
    get_cognitive_tree_state,
    prune_failed_approach,
)

node_id = store_5key_telemetry(
    session_id="session-a",
    payload={
        "foundations": {"premise_validation": "assuming deps", "state_hash": "h", "falsification_notes": "deps missing"},
        "defensive": {"blast_radius": "unpredictable", "is_idempotent": True, "invariant_rule": "r"},
        "resource": {"big_o": "o(n)", "latency_bottleneck": "none"},
        "utility": {"load_summary": "pin versions to deploy", "checklist_verified": True},
        "metacognition": {"self_critique": "c", "drift_pct": 0.1},
    },
    score_delta=-110.0,
)
prune_failed_approach(node_id)
state = get_cognitive_tree_state("session-a", include_pruned=True)
print(state["active_path_count"], state["pruned_branch_count"])

Analizador JSON basado en pila

from mcp_cognitive_substrate.memory import robust_slice, robust_json_slice

cleaned, payload = robust_slice('prefix {"a": {"b": [1, 2]}, "c": "x"} suffix')
# payload == {"a": {"b": [1, 2]}, "c": "x"}; cleaned == "prefix suffix"

7 paradigmas de razonamiento + A2A

from mcp_cognitive_substrate import reason, a2a_list, a2a_call, a2a_orchestrate

print(reason("Solve X", reasoning_type="abductive", depth=3)["steps"])
print(a2a_list())
print(a2a_call("peer-agent", "hello"))
print(a2a_orchestrate("hi", capability="memory"))

Como servidor MCP

cognitive-substrate          # starts stdio MCP server
cognitive-substrate --info   # prints package summary

Todo lo anterior — paradigmas del sustrato, extracción/evaluación, almacenamiento/recuperación de memoria, lecciones ToT, telemetría del estado del árbol, análisis JSON, planes de razonamiento y A2A — se expone como herramientas MCP.

Pruebas

pip install -e .[test]
python -m pytest src/tests -q     # 16 tests

Licencia

MIT