Collusion (共谋)

一个在方案设计阶段，通过多对象协作防止过度设计和意图丢失的 MCP 引擎。 在真实项目盲评中，以 16:1 胜出对照组（5 领域 × 5 维度）。

English | 快速开始 | 路线图 | 贡献指南

---

为什么需要 Collusion？

你是否遇到过：

• AI 给出的方案看起来很完美，但落地时发现违背了核心约束？
• 需求描述遗漏了关键环节（如安全、合规），AI 从不主动追问？
• 只有一个方案，没得选，不知道是否有更好的技术路径？

Collusion 正是为这些问题而生。

它不是另一个"先设计再编码"的工具。Plan 模式、Spec 模式、Superpowers 都能做到"先设计"。Collusion 做的是它们做不到的事：在方案设计阶段，让多个 AI Agent 从不同专业视角并行提案、互相审查、强制收束。

---

核心机制

阶段	机制	说明
🔍 环节共识	多 Agent 审查	自动识别缺失环节并补全（如安全、合规、迁移）
📝 并行提案	3 个对象代言人	业务价值、技术架构、安全合规三视角独立生成方案
🔄 交叉审查	轮流修改	每个 Agent 审查他人方案，一处修改一处标注
🛑 可行性收束	强制减速带	工程对象代言人对过度设计做减法
📊 Owner 整合	两遍打磨	Flash 模型初稿 + Strong 模型终审润色
🗳️ 投票评分	5 维打分	正确性、完整性、可行性、创新性、业务对齐
🏆 输出 Top 3	差异化方案	附带评分理由和复杂度标注

---

真实项目盲评对比

测试任务：为一个开源博客平台设计技术方案（要求一个 Docker 命令部署，不依赖付费云服务）。

对照组：单次 LLM 调用生成方案（5 个不同领域各 1 个任务，共 25 个维度对比）。

维度	Collusion 胜	对照组胜	平局
完整性	5	0	0
创新性	5	0	0
业务对齐	4	0	1
可行性	2	1	2
正确性	0	0	5
总计	16	1	8

具体到博客平台任务，Collusion 的设计方案与 Superpowers 的对比：

对比项	Collusion	Superpowers
部署方式	Go+SQLite 单二进制	Next.js + 5 容器
外部依赖	0（内置 SQLite+Bleve）	PostgreSQL + Redis + Meilisearch
架构哲学	单体+模块化，极简主义	微服务，企业级复杂度
首屏性能	纯静态 HTML，无 JS 阻塞	Next.js hydration 有白屏
自托管门槛	一个 Docker 命令	需编排多个服务
方案完整度	11 个技术模块，含 SQL 定义	架构概念清晰，落地细节较少
编辑器体验	基础 Markdown 编辑	CodeMirror 6 详细设计

📝 重要说明：本次测试中，Collusion 以全自动模式运行。Superpowers 的设计哲学是人工多轮协作，在有人类紧密配合时其方案质量可能更高。此对比旨在展示两种范式的差异，而非全面性能竞赛。

评委核心评语：

"方案以 Docker 单命令极简 SQLite 部署，架构务实性能达标；对比方案依赖过多，服务繁杂，部署门槛高。"

---

场景能力

需求补齐

当用户需求遗漏关键环节时，Collusion 会主动识别并补全。

案例：用户输入 "我需要一个前端框架选型方案，团队主要用 React。只关心组件库和技术栈。"

引擎在环节共识阶段自动补全了：

原始环节	引擎补全
组件库选型对比	→ 前端安全策略（XSS/CSP/依赖漏洞扫描）
技术栈搭配建议	→ 后端 API 与数据层设计
工程化配置（打包/构建）	→ 开发者体验与入门引导
	→ 部署与 CI/CD 方案

另一个案例：用户输入 "我想做一个开发者用的工具平台"，引擎自动补全了：

• 开发者体验与入门引导
• 数据迁移与导入导出
• 威胁建模与安全风险评估

约束守卫

当方案偏离核心约束时，可行性收束阶段会强制纠偏。

案例：博客平台任务的约束是"不依赖付费云服务，一个 Docker 命令部署"。某方案提出了 PostgreSQL + Redis + 多个微服务的复杂架构，在可行性收束阶段被工程对象代言人判定为"过度设计"，复杂度评分被强制压回阈值以下，最终该方案排名第三。

---

快速开始

前置条件

• Python 3.10+
• DeepSeek API Key（免费注册）

安装

# 克隆仓库
git clone https://github.com/your-username/Collusion.git
cd Collusion

# 安装依赖
pip install -r requirements.txt

# 配置 API Key（二选一）
# 方式一：环境变量（推荐）
export DEEPSEEK_API_KEY="sk-xxxxxxxxxxxxxxxx"

# 方式二：复制示例配置并填入 Key
cp config.example.json config.json
# 编辑 config.json，填入 api_key

MCP 客户端接入

Claude Code — 在 .mcp.json 中添加：

{
  "mcpServers": {
    "brainstorm": {
      "command": "python",
      "args": ["src/mcp_server.py", "--stdio"],
      "cwd": "/path/to/Collusion"
    }
  }
}

Trae Solo / 其他 MCP 客户端 — 启动 SSE 模式：

python src/mcp_server.py --sse --port 8020

然后在 MCP 配置中添加 http://localhost:8020/sse。

使用示例

# 在 Claude Code 中直接调用
请用 brainstorm_orchestrate 工具设计一个高并发短链接服务

# 调整 Agent 数量
brainstorm_orchestrate(task="设计一个RESTful API", agents=1)  # 快速模式
brainstorm_orchestrate(task="设计一个开源博客平台", agents=3)  # 完整模式

# 查询进度
brainstorm_status(task_id="task_xxxxxxxxxxxx")

# 获取结果
brainstorm_result(task_id="task_xxxxxxxxxxxx")

成本参考

Agent 数量	单任务 Token	单任务成本
1	~15,000	~¥0.03
2	~35,000	~¥0.07
3	~50,000-65,000	~¥0.08-0.15

基于 DeepSeek API 定价，实际成本随任务复杂度浮动。v0.5.0 目标降至 ¥0.05-0.10。

---

当前局限

• 仅支持 DeepSeek API：底层使用 DeepSeek 适配器，暂不支持其他 LLM 提供商（DeepSeek 兼容 OpenAI 协议，欢迎社区贡献其他适配器）
• 仅支持从零生成方案：暂不支持基于已有方案的增量增强（已列入中期路线图）
• Agent 角色固定：当前内置 3 个角色（业务价值、技术架构、安全合规），自定义角色正在开发
• 仅支持 stdio 传输：HTTP/SSE 传输模式正在开发
• 输出格式为 Markdown：HTML 可视化报告正在开发（含雷达图、架构图、风险标注卡片）

路线图

详见 ROADMAP.md。

近期计划（v0.4.0 - v0.5.0）：

• HTML 可视化报告（雷达图 + Mermaid 架构图 + 风险卡片）
• 可执行 JSON 蓝图（直接对接 writing-plans）
• 用户反馈回路（增量修改 + 多视角审查）
• 成本控制（¥0.05-0.10/任务）

中期计划（v0.6.0 - v0.8.0）：

• 增量增强模式（基于已有方案进行多视角审查和优化）
• 动态 Agent 调度
• Agent 角色扩展
• HTTP + SSE 远程部署

---

许可证

MIT License — 详见 LICENSE

贡献

欢迎 Issue、PR、Discussion！详见 CONTRIBUTING.md

---

English

What is Collusion?

A multi-agent MCP engine for technical design orchestration. Give it a task, and three AI agents — each representing a different perspective (Business Value, Technical Architecture, Security & Compliance) — independently generate proposals, cross-review each other's work, enforce feasibility checks, and produce a ranked Top 3.

Collusion beat single-shot LLM generation 16:1 (8 ties) in blind evaluations across 5 domains, 25 total dimensions.

Key differentiators

• Gap detection: Automatically identifies and fills missing components (security, deployment, migration)
• Multi-perspective review: Three agents critique each other's work, not just generate
• Feasibility brake: Engineering agent enforces real-world constraints and simplification
• Ranked Top 3: Multi-dimensional scoring with reasoning, not just one answer

Quick Start

pip install -r requirements.txt
export DEEPSEEK_API_KEY="your-api-key"
# Then configure your MCP client with src/mcp_server.py --stdio

Note: Collusion currently only supports DeepSeek API. DeepSeek uses an OpenAI-compatible protocol, so other compatible providers may work with a custom adapter. Community contributions for additional LLM backends are welcome.

Roadmap

See ROADMAP.md for the full public roadmap covering v0.4.0 through v1.0.0+.