xxycarys-mcp

Install from PyPI (after publication)

Install uv, then start the local Streamable HTTP service:

uvx --from xxycarys-mcp mcp-server --data-dir D:/AIData/dialogue-review

Connect to http://127.0.0.1:8000/mcp and keep the service running. For automatic process management, configure your AI client to use stdio:

{
  "mcpServers": {
    "dialogue-review": {
      "command": "uvx",
      "args": ["--from", "xxycarys-mcp", "mcp-server", "--transport", "stdio", "--data-dir", "D:/AIData/dialogue-review"]
    }
  }
}

Replace the data directory with your own absolute path. The Python module is mcp_server; the executable is mcp-server. The following instructions cover source installation and usage. Replace example paths with your actual paths.

对话分歧记录 MCP

在与 AI 的对话过程中，按轮收集观点分歧和 AI 理解偏差，整理成可阅读的 Markdown 文档。 每条记录同时保留原始对话、纠正证据、双方想法、差异分析及修正结果。 基于官方 Python MCP SDK 2.3，默认使用 Streamable HTTP，本地持久化，不需要额外模型 API Key。

收集规则

• 一轮：一条用户消息与对应 AI 回复。后续用户纠正作为证据补回被纠正的原轮次。
• 仅收集有差异的轮次：普通问答不记录。原对话第 2、8 轮有问题，报告仍显示第 2、8 轮。
• 同轮合并：一轮中可同时有观点分歧和理解偏差，保存在同一轮的 issues 中。
• 原文与分析分开：原文不改写，证据必须逐字出现在指定原文中；分类和意图分析由调用方提供。
• 不确定就标注：真实意图未知时写“待确认”，certainty 默认 needs_confirmation。 用户反驳不代表 AI 一定错误；普通需求变更也不应直接判定为误解。
• 去重与补充：相同会话、相同轮次、相同内容重复提交不新增；更新不同内容须携带当前版本。

MCP 服务端无法自行读取或监听所有 AI 工具的聊天历史。接入它的 AI 必须根据可见对话判断并调用记录工具。 也可以把历史对话交给 AI，按轮补录；只能看到部分历史时，应在会话主题说明可见范围。 是否能持续自动调用取决于客户端、模型和工具授权设置，本服务不保证捕获所有分歧。 引文校验只验证提交内容内部的一致性，不能验证原始聊天的真实性，也不代替语义判断。

启动与接入

需要 Python 3.13+ 和 uv。在项目根目录执行：

uv sync --locked
uv run mcp-server --data-dir D:/Projects/xxycarys-mcp/data

默认启动 Streamable HTTP 服务，地址为 http://127.0.0.1:8000/mcp。 需要先启动服务并保持该进程运行，再连接 AI 客户端；关闭终端或按 Ctrl+C 会停止服务。 也支持 uv run python -m mcp_server，默认同样使用 HTTP。

在 CC Switch 中编辑 dialogue-review，选择 HTTP / Streamable HTTP 类型， 将原来的 command、args 配置替换成以下单服务配置（Claude Code 使用 type: "http"）：

{
  "type": "http",
  "url": "http://127.0.0.1:8000/mcp"
}

保存并启用到 Claude Code，重启客户端后通过 /mcp 检查连接。 CC Switch 配置示例也保存在 examples/cc-switch-http.json。 若使用完整 mcpServers JSON 导入，则填写：

{
  "mcpServers": {
    "dialogue-review": {
      "type": "http",
      "url": "http://127.0.0.1:8000/mcp"
    }
  }
}

HTTP 配置仅负责连接，不会替你启动服务。其他客户端的类型字段可能不同，应选择 Streamable HTTP。 如需继续使用旧的命令式客户端配置，必须在服务启动参数中明确添加 --transport stdio。

接入后，把下面这段话作为当前聊天指令，或加入客户端的持久规则：

在本次对话中使用 dialogue-review MCP 收集我与你观点不一致、或你理解错我意思的轮次。 一轮按我的消息与你对应的回复计算，后续纠正补回原轮次；同轮多个问题合并。 先读取 review://guide 或使用 review_conversation 提示词。只根据可见对话填写原文与证据， 不确定的判断标为待确认。发现差异后调用 record_turn 保存，不影响正常回答。 当我说“导出分歧记录”时，调用 export_markdown，把 Markdown 文档给我。

文档与存储位置

data/
  conversations.sqlite3          # 持久化原文和分析
  reports/
    <conversation_id>.md         # 该会话每次保存后自动更新
    all-conversations.md         # 调用全量导出时生成的汇总快照

数据目录优先级：--data-dir > 环境变量 MCP_DATA_DIR > 当前工作目录的 data/。 建议启动服务时明确配置数据目录绝对路径，保证重启后读取相同数据。 记录默认保存在本机，data/ 已加入 .gitignore；自定义数据目录需自行安排备份及版本库排除。 Markdown 文件会被重新生成，人工修改报告不会回写数据库；备份时应保存数据库。

每轮报告包含：用户原话、AI 原回复、用户后续纠正、分歧类型、双方意图/观点、原文证据、确认程度、修正结果和版本。 代码块和 Markdown 原文使用安全长度的围栏保留，不破坏报告结构。 示例报告见 examples/sample-review.md，其中对话明确为虚构演示。

工具与调用顺序

第一次：建会话 → 发现差异 → 记录原轮次 → 自动生成 Markdown。 补充时：读取原轮次 → 合并旧问题、原文和新增证据 → 传 expected_revision 更新完整记录。 record_turn 不是局部补丁；不能仅传新增问题，否则会替换原问题列表。 会话标题相同也可以代表不同聊天；重复调用 create_conversation 会创建不同 ID，应由客户端复用 ID。

turn 参数示例（完整版本见 examples/sample-turn.json）：

{
  "turn_number": 3,
  "user_message": "先给设计方案，不要写代码。",
  "ai_response": "我已经开始编写代码。",
  "user_feedback": "我说的是先讨论方案。",
  "issues": [{
    "kind": "misunderstanding",
    "summary": "把讨论方案理解为开始实现。",
    "user_intent": "只讨论设计方案。",
    "ai_interpretation": "可以开始写代码。",
    "certainty": "confirmed",
    "evidence": [{
      "source": "user_message",
      "quote": "不要写代码。"
    }]
  }],
  "status": "open"
}

kind：disagreement / misunderstanding；certainty：confirmed / needs_confirmation。 evidence.source：user_message / ai_response / user_feedback。 status：open / resolved，设为 resolved 时必须填写非空 resolution。 原话及纠正每个字段最多 100,000 字符，每轮 1～20 个问题，每个问题 1～10 条证据。

成功保存返回 saved: true、revision、action（created / updated / unchanged）和 markdown_path。 文件写入失败时，数据库记录仍然保留，返回 export_error，稍后可用 export_markdown 重试。 数据库写入失败则返回 MCP 工具错误，不声称保存成功。 导出返回绝对路径、全文 markdown、会话数和轮数；跨机器客户端可直接使用返回的全文。

启动参数、演示与测试

uv run mcp-server --host 127.0.0.1 --port 8000 --data-dir D:/Projects/xxycarys-mcp/data

端点：http://127.0.0.1:8000/mcp。默认仅监听本机，无认证，面向个人本地使用。 HTTP 传输无状态，但业务记录持久保存；共用同一数据目录的客户端可以访问全部记录，并未做用户隔离。 --transport streamable-http 可显式指定默认协议；--transport stdio 可切换为命令式连接。 如提示端口已占用，可更换 --port，并同步修改客户端 URL。

uv run python examples/demo.py
uv run python -m unittest discover -s tests -v
uv run mcp dev src/mcp_server/server.py

演示通过官方 MCP 客户端提交虚构对话，将报告写入 examples/sample-review.md，不写入你的正式记录库。 测试覆盖完整收集流程、证据校验、版本冲突、重复提交、筛选、持久化恢复、导出失败恢复和 stdio/HTTP 实际调用。 Inspector 需要 Node.js/npx。

src/mcp_server/
  cli.py         # 启动方式与数据目录
  server.py      # MCP 工具、资源和收集提示词
  models.py      # 每轮对话、差异与证据校验
  store.py       # SQLite 持久化、去重、版本冲突与导出
  markdown.py    # 中文 Markdown 报告