guru-pk-mcp 1.1.5

MCP server enabling AI expert debates - 13 thought leaders engage in 4-round philosophical discussions on your questions

Guru-PK MCP 专家辩论系统

基于MCP（Model Context Protocol）的AI专家辩论系统，让不同领域的思想家围绕您的问题进行多轮智慧碰撞。

✨ 核心特色

• 🎭 13位内置专家 - 涵盖哲学、商业、科学、战略等领域
• 🔄 4轮PK流程 - 独立思考 → 交叉辩论 → 最终立场 → 智慧综合
• 🌟 自然语言创建专家 - 只需描述需求，AI自动生成专属思想家
• 🤖 智能推荐 - MCP Host端LLM智能推荐最适合的专家组合
• 📚 会话管理 - 本地保存，支持导出和恢复

🚀 快速安装

1. 安装依赖

方式一：使用安装脚本（推荐）

macOS/Linux:

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows:

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

方式二：使用 pip 安装（适用于所有平台）

pip install uv

方式三：下载安装包

从 UV Releases 页面下载对应平台的安装包

2. 配置MCP客户端

推荐方式：从PyPI安装

{
  "mcpServers": {
    "guru-pk": {
      "command": "uvx",
      "args": ["--from", "guru-pk-mcp", "guru-pk-mcp-server"],
      "env": {
        "DATA_DIR": "~/.guru-pk-data"  // macOS/Linux: ~/目录, Windows: %USERPROFILE%目录
      }
    }
  }
}

注意:

• macOS用户可能需要使用完整路径：/Users/{用户名}/.local/bin/uvx
• Windows用户：~会自动解析为用户主目录（如 C:\Users\{用户名}），无需手动修改
• 如果遇到路径问题，可以使用绝对路径替代，例如：
  • Windows: "DATA_DIR": "C:\\Users\\{用户名}\\.guru-pk-data"
  • macOS: "DATA_DIR": "/Users/{用户名}/.guru-pk-data"
  • Linux: "DATA_DIR": "/home/{用户名}/.guru-pk-data"

开发方式：从源码安装

{
  "mcpServers": {
    "guru-pk": {
      "command": "uvx", 
      "args": ["--from", "/path/to/guru-pk-mcp", "guru-pk-mcp-server"],
      "env": {
        "DATA_DIR": "~/.guru-pk-data"  // macOS/Linux: ~/目录, Windows: %USERPROFILE%目录
      }
    }
  }
}

3. 开始使用

重启MCP客户端，输入 guru_pk_help 获取帮助，或直接提问开始专家辩论！

🎭 专家阵容

哲学思辨

🧠 苏格拉底 - 批判思维，质疑表面答案
☯️ 王阳明 - 心学大师，知行合一
🧘 克里希那穆提 - 觉察智慧，当下哲学

商业创新

🚀 埃隆·马斯克 - 第一性原理，颠覆创新
📚 查理·芒格 - 多元思维，投资智慧
🍎 史蒂夫·乔布斯 - 产品完美主义，用户体验
🌸 稻盛和夫 - 敬天爱人，经营哲学

经济战略

💰 冯·米塞斯 - 奥地利学派，人类行动学
⚔️ 孙子 - 兵学圣祖，战略思维
📖 曾国藩 - 修身治国，渐进改良

科学方法

🔬 卡尔·波普尔 - 可证伪性，批判理性主义
🔄 杰伊·福雷斯特 - 系统动力学，反馈环理论
🧠 大卫·伯恩斯 - CBT心理学，认知重构

💡 使用方法

核心功能

• start_pk_session - 启动专家辩论
• get_smart_recommendation_guidance - 获取智能推荐指导（推荐）
• get_persona_prompt - 获取当前专家的角色提示
• record_round_response - 记录专家发言
• get_session_status - 查看会话状态

专家管理

• list_available_personas - 查看所有专家
• recommend_personas - 传统关键词推荐
• create_custom_persona_from_description - 智能创建自定义专家
• save_custom_persona - 保存自定义专家数据

会话管理

• view_session_history - 查看会话历史
• export_session - 导出会话为Markdown文件
• advance_to_next_round - 手动进入下一轮/专家

系统设置

• get_language_settings - 查看当前语言设置
• set_language - 设置回复语言
• get_usage_statistics - 获取使用统计分析
• guru_pk_help - 获取系统帮助

🌟 智能自定义专家创建（重点功能）

全新架构：MCP Host端LLM智能生成 + MCP Server端保存

第一步：获取创建指导

create_custom_persona_from_description({
  "description": "我想要一个世界历史方面的顶尖专家"
})

第二步：LLM生成专家数据

系统返回详细指导后，让MCP Host端的LLM生成完整专家数据：

{
  "name": "汤因比",
  "emoji": "📚",
  "description": "英国著名历史学家，文明史研究的集大成者",
  "core_traits": ["文明史观", "挑战-应战理论", "宏观历史视野"],
  "speaking_style": "宏观深邃，善于从文明兴衰中提炼规律",
  "base_prompt": "详细的角色提示词..."
}

第三步：保存专家

save_custom_persona({
  "persona_data": { /* 上面生成的完整数据 */ }
})

🎯 核心优势：

• 🧠 真正智能 - 利用MCP Host端LLM的强大生成能力
• 🎭 专业定制 - 创建真正有价值的领域专家，而非通用模板
• 🔧 完整验证 - 自动处理名称冲突、数据验证等技术细节
• 📚 详细指导 - 提供专家数据模板和创建要点

🌟 推荐专家领域

• 历史学: 汤因比、黄仁宇、钱穆
• 物理学: 爱因斯坦、费曼、霍金
• 文学: 莎士比亚、鲁迅、村上春树
• 艺术: 达芬奇、毕加索、宫崎骏
• 经济学: 亚当·斯密、凯恩斯、张五常

传统使用示例

问题："如何在AI时代保持竞争力？"
专家：["苏格拉底", "埃隆马斯克", "大卫伯恩斯"]

🤖 智能专家推荐（推荐使用）

全新智能推荐系统 - 采用MCP Host端LLM智能生成架构

📋 使用方法

// 智能推荐（推荐）: 直接提问，自动推荐最佳专家组合
start_pk_session({"question": "你的问题"})

// 手动选择: 指定特定专家组合
start_pk_session({"question": "你的问题", "personas": ["苏格拉底", "埃隆马斯克", "查理芒格"]})

// 高级功能: 获取推荐指导（可选）
get_smart_recommendation_guidance({"question": "你的问题"})

🎯 智能推荐优势

• ✅ 真正智能 - 理解问题语义，而非关键词匹配
• ✅ 全专家池 - 自动包含内置和自定义专家
• ✅ 动态组合 - 根据问题特点生成最佳专家组合
• ✅ 个性化 - 支持复杂和跨领域问题

🔄 传统推荐组合（备选）

投资决策 - 冯·米塞斯 + 查理·芒格 + 埃隆·马斯克
心理成长 - 苏格拉底 + 大卫·伯恩斯 + 克里希那穆提
战略决策 - 孙子 + 曾国藩 + 查理·芒格
科学理性 - 卡尔·波普尔 + 苏格拉底 + 杰伊·福雷斯特

🔄 辩论流程

1. 独立思考 - 每位专家独立分析
2. 交叉辩论 - 互相批评和借鉴
3. 最终立场 - 形成完善方案
4. 智慧综合 - 融合终极答案

🛠️ 技术架构

语言: Python 3.10+ | 框架: MCP | 包管理: UVX
存储: 本地JSON | 特点: 零部署、隐私保护

项目结构

src/guru_pk_mcp/
├── server.py           # MCP服务器
├── personas.py         # 13位专家配置  
├── session_manager.py  # 会话管理
├── custom_personas.py  # 自定义专家
└── models.py          # 数据模型

🎨 高级功能

🤖 MCP Host端智能推荐（核心创新）

革命性的专家推荐体验 - 这是Guru-PK MCP的重要创新，彻底解决了传统关键词匹配推荐的局限性。

🎯 为什么需要智能推荐？

传统推荐系统的问题：

• 🔍 关键词匹配 - 无法理解问题的深层语义
• 📋 静态组合 - 推荐组合固定，缺乏灵活性
• ❌ 遗漏自定义专家 - 无法包含用户创建的专家
• 🏷️ 覆盖有限 - 只能处理预设的几个领域

🚀 智能推荐架构优势

graph LR
    A[用户问题] --> B[get_smart_recommendation_guidance]
    B --> C[MCP Host端LLM分析]
    C --> D[智能推荐专家组合]
    D --> E[start_pk_session启动会话]

MCP Host端智能 + MCP Server端执行 的完美分工：

• 🧠 Host端负责智能 - 利用LLM的语义理解和分析能力
• ⚙️ Server端负责执行 - 提供数据、验证、管理会话

📋 智能推荐特性

• ✅ 语义理解 - 真正理解问题的本质和需求
• ✅ 全专家池 - 自动包含所有内置和自定义专家
• ✅ 动态匹配 - 根据问题特点实时生成最佳组合
• ✅ 多维分析 - 考虑问题类型、所需视角、思辨互补等因素
• ✅ 详细指导 - 提供推荐原则、分析框架、输出格式

💡 使用示例

// 复杂问题：涉及多个领域
get_smart_recommendation_guidance({
  "question": "如何在保持传统文化的同时推进现代化发展？"
})
// 智能推荐可能包含：文化学者 + 经济学家 + 社会学家

// 专业问题：需要专业领域专家
get_smart_recommendation_guidance({
  "question": "现代女性的性与爱哪个更重要？"
})
// 智能推荐可能包含：性学专家金赛 + 心理学家 + 哲学家

// 跨领域问题：需要创新思维
get_smart_recommendation_guidance({
  "question": "如何设计一个促进心理健康的城市空间？"
})
// 智能推荐可能包含：城市规划师 + 心理学家 + 设计师

🌟 自然语言创建专家（核心优势）

革命性的专家创建体验 - 这是Guru-PK MCP最强大的功能，也是与其他AI辩论系统的核心差异化优势。

⚡ 超简单的创建流程

# 1. 用自然语言描述需求
create_custom_persona_from_description({
  "description": "我想要一个现代教育领域最顶尖的大师"
})

# 2. 系统智能生成完整模板
# 3. 您确认或微调
# 4. 立即可用于专家辩论！

🎭 智能推荐专家库

系统内置了各领域顶级专家的模板：

教育领域: 肯·罗宾逊（创造力教育）
AI科技: 杰弗里·辛顿（深度学习教父）
心理治疗: 维克多·弗兰克尔（意义疗法）
商业创新: 克莱顿·克里斯坦森（颠覆式创新）
设计思维: 蒂姆·布朗（设计思维）
...更多领域持续扩展

💡 使用技巧

# 具体领域
"我需要一个区块链技术专家"
"我想要一个儿童心理学家"  
"我需要一个可持续发展专家"

# 特定需求
"我想要一个擅长解决团队冲突的专家"
"我需要一个专门研究创业失败的专家"
"我想要一个关注女性领导力的专家"

# 历史人物
"我想要一个像爱因斯坦一样的物理学家"
"我需要一个类似甘地的精神领袖"

传统方式：手动创建专家

如果您仍希望手动创建，可以使用 create_custom_persona 工具

数据管理

• 自动保存会话到本地JSON
• 支持Markdown导出
• 历史会话查看和恢复
• 完全本地化，保护隐私

统计分析

• 会话完成率和活跃度
• 热门专家排行榜
• 问题领域分析
• 讨论质量统计

📱 兼容性

支持所有MCP兼容应用：Claude Desktop、Cursor、TRAE、DeepChat、Cherry Studio等

💡 使用提示

• 🤖 直接提问 - 最简单的使用方式，自动智能推荐专家
• 📋 guru_pk_help - 获取系统介绍和详细帮助
• 👥 list_available_personas - 查看所有可用专家
• 📊 get_usage_statistics - 查看使用统计和分析
• 📄 export_session - 导出会话记录为Markdown
• 🌍 set_language - 设置专家回复语言
• 💾 推荐使用UVX方式安装，零配置依赖管理

💭 设计理念

灵感来源

本项目受到 人生教练团Agent 的启发。原文提出了多角色PK的创新思路，通常这类系统会使用LangGraph等Agent框架开发，而原作者选择了"飞书MCP"实现更简单的方案，思路巧妙。

技术方案对比

🔧 Agent框架开发

• ✅ 功能强大，可集成多个LLM API
• ✅ 前端交互灵活，控制性强
• ❌ 开发复杂度高
• ❌ API调用成本高昂

☁️ 飞书MCP方案

• ✅ 几乎零开发，部署简单
• ✅ 利用现有飞书生态
• ❌ 依赖第三方服务
• ❌ 定制化程度有限

🏠 本地MCP方案（本项目）

• ✅ 与订阅制Chat APP结合，无API费用
• ✅ 数据本地化，隐私保护
• ✅ 开源可定制，技术独立
• ✅ MCP Host端智能推荐 - 充分利用订阅制LLM的智能优势
• ❌ 依赖MCP客户端实现，兼容性差异
• ❌ 需要一定开发工作

核心优势

本项目选择本地MCP方案，在保持"专家PK"、"大神PK"、"人生教练团"这类AI专家辩论系统的核心理念的同时，最大化成本效益和智能化程度：

🤖 智能化优势

• MCP Host端LLM智能 - 专家推荐、专家创建均由订阅制LLM智能完成
• 语义理解 - 真正理解问题本质，而非简单关键词匹配
• 动态适应 - 根据用户的自定义专家库实时调整推荐策略

💰 成本效益优势

• 零API费用 - 充分利用订阅制Chat APP的LLM能力
• 本地隐私 - 所有数据本地存储，完全隐私保护
• 技术独立 - 开源可定制，不依赖任何第三方服务

这种MCP Host端智能 + MCP Server端执行的架构设计，实现了智能化和成本效益的完美平衡。