NSAF MCP Server

Um servidor MCP para o Neuro-Symbolic Autonomy Framework (NSAF), permitindo que assistentes de IA interajam com o framework.

GitHub
3
Experimente este MCPPatrocinado

Documentação

Estrutura Neuro-Simbólica de Autonomia (NSAF) v1.0

A Implementação Completa e Unificada de Autonomia Avançada de IA

Autor: Bolorerdene Bundgaa
Contato: bolor@ariunbolor.org
Website: https://bolor.me

Uma estrutura abrangente em Python que combina computação quântica, raciocínio simbólico, redes neurais e modelos de fundação em um sistema unificado de IA autônoma.

🚀 Novidades na v1.0

Esta é a versão unificada, pronta para produção que combina:

  • ✅ Arquitetura Completa de 5 Módulos: Todos os componentes avançados do NSAF
  • ✅ Integração com Modelos de Fundação: APIs da OpenAI, Anthropic, Google
  • ✅ Suporte ao Protocolo MCP: Integração com assistentes de IA integrada
  • ✅ Estrutura de API Web: Pronta para implantação em produção
  • ✅ Recursos Empresariais: Autenticação, bancos de dados, monitoramento

🏗️ Visão Geral da Arquitetura

Módulos Principais

  1. Agrupamento de Tarefas Quântico-Simbólico - Decomponha problemas complexos usando algoritmos aprimorados por quântica
  2. Meta-Agentes Autoconstrutores (SCMA) - Evolua agentes de IA especializados automaticamente
  3. Memória Hiper-Simbólica - Grafos de conhecimento baseados em RDF com raciocínio semântico
  4. Projeção Recursiva de Intenção (RIP) - Planejamento e otimização em múltiplas etapas
  5. Sinergia Humano-IA - Sincronização de estado cognitivo e colaboração

Camadas de Integração

  • Modelos de Fundação - Integração GPT-4, Claude, Gemini para embeddings e raciocínio
  • Interface MCP - Protocolo de Contexto de Modelo para integração com assistentes de IA
  • APIs Web - Serviços baseados em FastAPI com autenticação
  • Computação Distribuída - Escalonamento baseado em Ray e backends quânticos

🛠️ Instalação

Pré-requisitos

  • Python 3.8+
  • 8GB+ de RAM recomendado
  • GPU opcional (para modelos grandes)

Instalação Rápida

# Clone the repository
git clone https://github.com/ariunbolor/nsaf-mcp-server.git
cd nsaf-mcp-server

# Install all dependencies
pip install -r requirements.txt

# Run the unified example
python unified_example.py

Dependências Incluídas

  • Computação Quântica: Qiskit, Cirq, PennyLane
  • Aprendizado de Máquina: PyTorch, TensorFlow, Scikit-learn
  • Distribuído: Ray, Redis
  • Estrutura Web: FastAPI, WebSockets
  • Bancos de Dados: SQLAlchemy, PostgreSQL, Redis
  • Web Semântica: RDFlib, NetworkX
  • Modelos de Fundação: Clientes OpenAI, Anthropic

🎯 Início Rápido

Uso Básico

import asyncio
from core import NeuroSymbolicAutonomyFramework

async def main():
    # Initialize the framework
    framework = NeuroSymbolicAutonomyFramework()
    
    # Define your task
    task = {
        'description': 'Build an AI system for predictive maintenance',
        'goals': [
            {'type': 'accuracy', 'target': 0.95, 'priority': 0.9},
            {'type': 'latency', 'target': 50, 'priority': 0.8}
        ],
        'constraints': [
            {'type': 'memory', 'limit': '8GB', 'importance': 0.9}
        ]
    }
    
    # Process through NSAF pipeline
    result = await framework.process_task(task)
    
    print(f"Clusters: {len(result['task_clusters'])}")
    print(f"Agents: {len(result['agents'])}")
    
    await framework.shutdown()

asyncio.run(main())

Integração MCP (Assistentes de IA)

from core import NSAFMCPServer

# Create MCP server for Claude/other AI assistants
server = NSAFMCPServer()

# Available tools:
# - run_nsaf_evolution
# - analyze_nsaf_memory  
# - project_nsaf_intent
# - cluster_nsaf_tasks
# - get_nsaf_status

⚙️ Configuração

Variáveis de Ambiente

# Foundation Models (Optional)
export OPENAI_API_KEY="your-openai-key"
export ANTHROPIC_API_KEY="your-anthropic-key"
export GOOGLE_API_KEY="your-google-key"

# Databases (Optional)
export DATABASE_PASSWORD="your-db-password"
export REDIS_PASSWORD="your-redis-password"

# Security (Production)
export JWT_SECRET="your-jwt-secret"
export API_KEY="your-api-key"

Arquivo de Configuração

Todas as configurações em config/config.yaml:

  • Provedores e configurações de modelos de fundação
  • Configuração do backend quântico
  • Configuração de computação distribuída
  • Conexões de banco de dados
  • Segurança e autenticação
  • Flags de recursos e otimização

🧪 Exemplos

Executar Demonstração Completa

python unified_example.py

Mostra todos os recursos funcionando juntos com uma tarefa complexa de manutenção preditiva.

Componentes Individuais

python example.py                    # Original NSAF framework
python -m core.mcp_interface        # MCP server for AI assistants

🔧 Recursos Avançados

Computação Quântica

  • Integração IBM Qiskit para otimização quântica
  • Backends quânticos configuráveis (simulador/hardware real)
  • Cálculo de similaridade aprimorado por quântica

Modelos de Fundação

  • Suporte a múltiplos provedores (OpenAI, Anthropic, Google)
  • Fallbacks automáticos e tratamento de erros
  • Seleção de modelo específico por tarefa

Processamento Distribuído

  • Computação distribuída baseada em Ray
  • Gerenciamento de workers com auto-escalonamento
  • Otimização de recursos GPU/CPU

Pronto para Empresas

  • Serviços web FastAPI
  • Autenticação JWT
  • Suporte a PostgreSQL/Redis
  • Monitoramento e registro de logs
  • Pronto para implantação com Docker

📊 Desempenho

ComponenteDesempenhoEscalabilidade
Agrupamento de Tarefas1000+ tarefas/segAprimorado por quântica
Evolução de Agentes100 agentes/geraçãoTreinamento distribuído
Grafo de Memória1M+ nósArmazenamento de triplas RDF
Planejamento de Intenção10 passos/segOtimização recursiva
Resposta da API<100msAuto-escalonamento

🔒 Segurança

  • ✅ Autenticação de API: Tokens JWT e chaves de API
  • ✅ Criptografia de Dados: Criptografia AES-256 em repouso
  • ✅ Conexões Seguras: HTTPS/WSS apenas em produção
  • ✅ Controle de Acesso: Permissões baseadas em funções
  • ✅ Registro de Auditoria: Rastreamento abrangente de atividades

🧰 Desenvolvimento

Testes

pytest tests/                       # Run all tests
pytest tests/test_integration.py    # Integration tests
pytest --cov=core tests/            # Coverage report

Qualidade de Código

black core/                         # Format code
isort core/                         # Sort imports  
mypy core/                          # Type checking
flake8 core/                        # Linting

Documentação

sphinx-build docs/ docs/_build/     # Generate docs

🌐 Implantação

Desenvolvimento Local

uvicorn core.web_api:app --reload   # Web API server
ray start --head                    # Distributed computing

Produção

docker build -t nsaf .              # Container build
docker-compose up -d                # Full stack deployment

Plataformas em Nuvem

  • AWS: Ray no EC2, RDS PostgreSQL, ElastiCache Redis
  • GCP: Compute Engine, Cloud SQL, Memorystore
  • Azure: Máquinas Virtuais, Banco de Dados, Cache

📈 Monitoramento

  • Métricas: Integração com Prometheus
  • Registro de Logs: Logs JSON estruturados
  • Rastreamento: Suporte a OpenTelemetry
  • Verificações de Saúde: Monitoramento de endpoint integrado
  • Alertas: Notificações personalizadas de limites

🤝 Contribuindo

  1. Faça um fork do repositório
  2. Crie um branch de recurso: git checkout -b feature/amazing-feature
  3. Execute os testes: pytest tests/
  4. Faça commit das alterações: git commit -m 'Add amazing feature'
  5. Envie o branch: git push origin feature/amazing-feature
  6. Abra um Pull Request

📚 Documentação

  • Referência da API: endpoint /docs ao executar o servidor
  • Guia de Arquitetura: docs/architecture.md
  • Guia de Implantação: docs/deployment.md
  • Exemplos: diretório examples/

🐛 Solução de Problemas

Problemas Comuns

Dependências Ausentes

pip install -r requirements.txt     # Install all dependencies

Erros de Backend Quântico

qiskit-aer-config                   # Check quantum setup

Problemas de Conexão com Ray

ray start --head                    # Start Ray cluster
ray status                          # Check cluster status

Erros de API de Modelos de Fundação

export OPENAI_API_KEY="your-key"    # Set API keys

📄 Licença

Licença MIT - consulte o arquivo LICENSE para detalhes.

🙏 Agradecimentos

  • Equipe IBM Qiskit pela estrutura de computação quântica
  • Equipe Ray pela computação distribuída
  • OpenAI, Anthropic, Google pelas APIs de modelos de fundação
  • Equipe FastAPI pela estrutura web
  • Todos os contribuidores de código aberto

📞 Suporte

Construído com ❤️ para o futuro da autonomia de IA

Criado por Bolorerdene Bundgaa

NSAF v1.0 - A solução completa de autonomia neuro-simbólica