Strategic Agent Reasoning MCP

Name: Strategic Agent Reasoning MCP
Author: putervision

โดย putervisionรุ่น 0.4.1i★ –iรันบนเครื่อง

ชื่อใน registryio.github.putervision/agent-reasoning-mcp

ติดตั้ง

ภาพรวม

คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)

Strategic BDI reasoning engine for autonomous AI agents with spatial utility and replanning.

สามเสาของ PopNx MCP

สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน

เสียงผู้ใช้iยังไม่มีรีวิวรีวิวเปิดพร้อมระบบบัญชีในขั้นถัดไป
ผลตรวจเบื้องต้นของเราiผ่าน 1 จาก 1 ข้อตรวจจากข้อมูลที่เปิดอยู่ ยังไม่ได้สแกนโค้ด
การใช้งานiยังไม่ได้วัด★ –

ใช้ทำอะไรได้

ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry

การเชื่อมต่อ: รันบนเครื่อง
ช่องทาง (transport): stdio
หมวด: อื่น ๆ

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ก่อนติดตั้ง

ผลตรวจเบื้องต้น: ผ่าน 1 จาก 1 ข้อ
รันในเครื่องคุณด้วยสิทธิ์ของผู้ใช้คุณ (ไฟล์ อินเทอร์เน็ต แอปต่าง ๆ)
ทะเบียนไม่ได้ระบุ key ที่ต้องใส่

ต้องเตรียมก่อน

npmติดตั้ง Node.js (มีคำสั่ง npx) ในเครื่อง

คุณใช้แอปไหน

ClaudeClaude CodeCursorVS CodeChatGPT

เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”

เปิด Claude Desktop → Settings → Developer → Edit Config แล้ววางค่านี้ในไฟล์ claude_desktop_config.json

{
  "mcpServers": {
    "agent-reasoning": {
      "command": "npx",
      "args": [
        "-y",
        "@putervision/agent-reasoning-mcp"
      ]
    }
  }
}

พิมพ์คำสั่งนี้ใน Terminal

claude mcp add agent-reasoning -- npx -y @putervision/agent-reasoning-mcp

เปิดใน Cursor

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json

{
  "mcpServers": {
    "agent-reasoning": {
      "command": "npx",
      "args": [
        "-y",
        "@putervision/agent-reasoning-mcp"
      ]
    }
  }
}

เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง

เปิดใน VS Code

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .vscode/mcp.json ของโปรเจกต์

{
  "servers": {
    "agent-reasoning": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "@putervision/agent-reasoning-mcp"
      ]
    }
  }
}

ตัวนี้รันในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะ server บนอินเทอร์เน็ต ลองเลือกแอปอื่น

ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

ทำอะไรได้บ้าง

รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 7 พ.ย. 2569

✓ ผ่าน
ตัวตนผู้ทำตรงกับ repo
ชื่อใน registry ยืนยันด้วยบัญชี GitHub putervision ซึ่งเป็นเจ้าของ repo
… ยังไม่ตรวจ
ยังมีคนดูแล
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
… ยังไม่ตรวจ
มีสัญญาอนุญาต (license)
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
– ไม่เกี่ยว
endpoint ตอบ
ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต
– ไม่เกี่ยว
ล็อกอินแบบ OAuth
ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน
… ยังไม่ตรวจ
คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง
รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต

เทียบกับตัวอื่นในหมวด อื่น ๆi

ดาวมากกว่า 0% ของอีก 32545 ตัวในหมวดนี้
ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 54% ของอีก 32545 ตัวในหมวดนี้
ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 32545 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

คำถามที่พบบ่อย

Strategic Agent Reasoning MCP ปลอดภัยไหม?

จากการตรวจเบื้องต้นของเรา ผ่าน 1 จาก 1 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น

ต้องใช้กุญแจหรือรหัสอะไรบ้าง?

registry ไม่ได้ระบุว่าต้องใช้กุญแจ แต่บางตัวจะขอให้ล็อกอินตอนใช้ครั้งแรก

ตัวนี้รันบนเครื่องหรือบนคลาวด์?

รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)

ยังมีคนดูแลอยู่ไหม?

repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (0.4.1) เข้า registry 34 วันที่ผ่านมา

ใช้กับโปรแกรมไหนได้บ้าง?

โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Node.js ในเครื่องด้วย

มีตัวไหนใช้แทนได้บ้าง?

ในหมวดเดียวกันมี Spec Driven Development, Remote Desktop Commander, Python MCP

ตัวที่ใช้แทนได้

server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว

อ่านการ์ด:★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi

Spec Driven Development

โดย formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

รันบนเครื่อง★ 440MITอัปเดต 14 เดือนที่ผ่านมา

ติดตั้ง

Remote Desktop Commander

โดย desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

รันบนคลาวด์★ 211อัปเดต เมื่อวาน

ติดตั้ง

Python MCP

โดย Files-com

Local-only Python MCP server for the Files.com API.

รันบนเครื่องอัปเดต วันนี้

ติดตั้ง

README จากผู้ทำ

เปิดอ่าน README

ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ

@putervision/agent-reasoning-mcp

Strategic BDI Reasoning, Multi-Attribute Expected Utility Theory & Decision Intelligence for Autonomous AI Agents

@putervision/agent-reasoning-mcp is a formal Model Context Protocol (MCP) server that provides strategic belief-desire-intention (BDI) reasoning, hierarchical goal decomposition, multi-attribute expected utility calculation ($E[U] = \sum w_i u_i$), exponential belief decay, quantitative risk evaluation, and reactive replanning across multi-modal memory bridges.

🌐 Official Documentation: putervision.com • Interactive Web Docs

⚡ 15-Second Quick Start

# 1. Initialize reasoning database & seed default utility profiles

npx @putervision/agent-reasoning-mcp init

2. Run health diagnostics and Merkle audit checks

npx @putervision/agent-reasoning-mcp doctor

3. Inspect active goals, intentions, and belief states

npx @putervision/agent-reasoning-mcp inspect

🛠️ 15 Core MCP Tools

BDI Strategic Deliberation (10 Tools)

Tool	Actions	Purpose
`set_goal`	`create`, `update`, `decompose`, `get`, `list`, `abandon`	Manage goal hierarchy, task DAGs, and success criteria
`evaluate_situation`	`snapshot`, `quick`	Score and rank candidate actions from environment snapshots
`replan`	`blocker`, `event`, `full`	Adaptively reconstruct subgoals upon obstacles and abort stale intentions
`assess_risk`	`action`, `plan`, `compare`	Quantitative threat and risk calculation across candidate actions
`query_knowledge`	`search`, `patterns`, `similar_situations`	Search learned heuristics, tactical knowledge, and past decision patterns
`set_utility_weights`	`configure`, `get`, `list`, `activate`	Configure utility weights (aggression, caution, greed, efficiency, exploration)
`get_decision_trace`	`latest`, `get`, `list`, `explain`	Explainable chain-of-thought rationale and latency telemetry
`manage_beliefs`	`update`, `query`, `expire`, `reconcile`	Structured belief state with exponential confidence decay ($C = C_0 e^{-\lambda t}$)
`manage_intentions`	`create`, `dispatch`, `get`, `list`, `cancel`, `resolve`	Wire contract directives queue for runtime execution engines
`manage_reasoning_db`	`stats`, `audit`, `snapshot`, `restore`	Reasoning database statistics, SHA-256 Merkle audit, and snapshot rollback

System 1 Fast Decision Layer (5 Tools)

Inspired by the typed System 1 pattern pioneered by TypeSafe's Jev (evaluating typed Choice, Score, and Noul primitives over compact state without token generation), implemented locally via in-memory LRU caches and deterministic heuristics (<2ms) without external API calls.

Tool	Purpose	Latency Target	L1 Cache (p50)	Throughput
`classify`	Low-latency categorical labeling over multi-modal StatePacks	`<2ms`	`0.0075 ms`	~90,000 ops/s
`ask_noul`	Typed probabilistic hypothesis and Boolean verification ($p \in [0.0, 1.0]$)	`<2ms`	`0.0049 ms`	~127,000 ops/s
`ask_choice`	Discrete $1$-of-$N$ choice selection ($N \le 16$) with probability simplex	`<2ms`	`0.0138 ms`	~64,000 ops/s
`ask_score`	Bounded numeric scalar scoring and calibrated utility rating	`<2ms`	`0.0057 ms`	~129,000 ops/s
`gate_intention`	Pre-dispatch blast-radius audit gate issuing signed HMAC dispatch tokens	`<1ms`	`0.0709 ms`	~12,000 ops/s

See [docs/benchmarks.md](docs/benchmarks.md) for full benchmark reproduction commands, latency percentiles (p50/p95/p99), and multi-tier caching architecture details.

🏛️ PuterVision Pentad Multi-Modal Ecosystem

agent-reasoning-mcp coordinates the closed-loop PuterVision Super-Loop:

🧠 `agent-reasoning-mcp`: Decides *what* to do (BDI Strategic Reasoning, Utility Theory, Replanning)
⚡ `behavior-mcp`: Executes *how* to act at ~60Hz in browser runtimes
📊 `state-memory-mcp`: Durable workflow memory, tasks, blockers, decisions
👁️ `vision-memory-mcp`: Perceptual caching, visual grounding, video timelines
🌐 `world-model-mcp`: 3D/2D spatial layout, entity permanence, collision simulation

📚 Deep Documentation Guides

📖 [Formal API Reference](docs/api-reference.md): Full parameter tables, type definitions, and tool schemas for all 15 tools.
🚀 [Performance Benchmarks](docs/benchmarks.md): Empirical throughput and microsecond latency metrics across all 5 System 1 tools.
💡 [Core Architecture & Concepts](docs/concepts.md): BDI model, utility formulation, and belief decay dynamics.
🖥️ [CLI Usage Guide](docs/cli-usage.md): Complete CLI command reference (init, doctor, inspect, run).
💾 [Database Schema](docs/database-schema.md): SQLite table structures, indexes, and Merkle audit ledger.
⚙️ [Configuration Reference](docs/configuration.md): .agent-reasoning-mcp.json parameters and environment variables.

🔗 Client Configuration & Environment

Add to .cursor/mcp.json or .vscode/mcp.json:

"mcpServers": { "agent-reasoning-mcp": { "command": "agent-reasoning-mcp", "args": ["run"], "env": { "PENTAD_HMAC_SECRET": "your-secure-shared-secret-here", "DISPATCH_TOKEN_TTL_MS": "30000" } } } }

Key Environment Variables

PENTAD_HMAC_SECRET: 256-bit shared key for cryptographic intention dispatch token signing.
DISPATCH_TOKEN_TTL_MS: Dispatch token expiration window (default: 30,000ms).
SKIP_MODEL_LOAD: Set to 1 (or OFFLINE=1) to force air-gapped L1/L2 deterministic evaluation.

🧪 Testing & Benchmarks

# Run full unit and integration test suites

npm test

Run System 1 fast decision layer benchmark suite (throughput & latency percentiles)

npm run benchmark

Run air-gapped verification

OFFLINE=1 SKIP_MODEL_LOAD=1 npm test

Strategic Agent Reasoning MCP

ภาพรวม

สามเสาของ PopNx MCP

ใช้ทำอะไรได้

ติดตั้ง

ก่อนติดตั้ง

ทำอะไรได้บ้าง

ผลตรวจเบื้องต้นi

ตัวตนผู้ทำตรงกับ repo

ยังมีคนดูแล

มีสัญญาอนุญาต (license)

endpoint ตอบ

ล็อกอินแบบ OAuth

คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

เทียบกับตัวอื่นในหมวด อื่น ๆi

คำถามที่พบบ่อย

ตัวที่ใช้แทนได้

Spec Driven Development

Remote Desktop Commander

Python MCP

README จากผู้ทำ

@putervision/agent-reasoning-mcp

⚡ 15-Second Quick Start

2. Run health diagnostics and Merkle audit checks

3. Inspect active goals, intentions, and belief states

🛠️ 15 Core MCP Tools

BDI Strategic Deliberation (10 Tools)

System 1 Fast Decision Layer (5 Tools)

🏛️ PuterVision Pentad Multi-Modal Ecosystem

📚 Deep Documentation Guides

🔗 Client Configuration & Environment

Key Environment Variables

🧪 Testing & Benchmarks

Run System 1 fast decision layer benchmark suite (throughput & latency percentiles)

Run air-gapped verification

📄 License