Guru-PK MCP 智能专家辩论系统

基于本地MCP（Model Context Protocol）的AI专家辩论系统，采用动态专家生成架构，根据问题而智能的创建最适合的专家组合进行多轮智慧碰撞。

✨ 核心特色

• 🏭 动态专家生成 - 完全问题驱动，每次生成专属专家组合
• 🌟 无限专家池 - 突破固定专家限制，支持任意领域的专家生成
• 🔄 多轮PK流程 - 独立思考 → 交叉辩论 → 最终立场 → 智慧综合
• 🎨 塔夫特风格信息图 - 将专家辩论转化为严格遵循数据可视化大师爱德华·塔夫特设计原则的单页动态信息图
• 🤖 智能分工架构 - MCP Host端LLM负责智能分析，MCP Server端提供流程指导

🌐 在线演示

👉 查看信息图演示

这个网页展示了使用本MCP工具创建的塔夫特风格动态信息图，直观展现了专家辩论系统的强大功能。

🚀 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
      }
    }
  }
}

更新说明:

• 当需要更新guru-pk-mcp到最新版本时，请执行命令：

  uvx pip install --upgrade guru-pk-mcp
  

• 此命令会从PyPI获取并安装最新发布的版本

• 如果遇到缓存问题，可以强制刷新：

  uvx --refresh-package guru-pk-mcp --from guru-pk-mcp python -c "print('✅ UVX缓存已刷新')"
  

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

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
      }
    }
  }
}

本地开发说明:

• 对于本地开发场景，如需刷新uvx缓存，请使用make refresh-uvx
• 此命令强制UVX重新安装本地包，确保使用最新的代码更改

使用入门

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！

// 1. 自然语言提问（最推荐的使用方式）
生成AI的领域，有没有特别适合个人创业的方向？请三个专家PK

// 2. 智能生成候选专家（系统自动执行）
start_pk_session: 生成AI的领域，有没有特别适合个人创业的方向？

// 3. 智能生成候选专家（用户对期待的专家范围进行限定）
start_pk_session: 生成AI的领域，有没有特别适合个人创业的方向？ 找两个AI领域的大牛和一个知名的个人创业家来辩论

💡 使用提示

启动辩论：

• 🤖 start_pk_session:直接提问 - 默认高效批处理模式（推荐）
• 🔄 start_stepwise_pk_session:直接提问 - 传统逐步对话模式

工具功能：

• 📋 guru_pk_help - 获取系统介绍和详细帮助
• 📄 export_session - 导出会话为Markdown文件
• 🎨 export_session_as_infographic - 导出会话为塔夫特风格单页动态信息图
• 📄 export_enhanced_session - 导出增强分析报告
• 🌍 set_language - 设置专家回复语言

📱 兼容性

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

🎯 推荐配置

最推荐的MCP Host：

• 💰 按用户请求计算的订阅制MCP Host - 如Cursor和海外版Trae
• 🌟 优势：
  • 成本优势显著：按用户请求计算的订阅制收费，而非API调用次数或token收费
  • Claude模型对MCP支持最佳，具有优秀的指令遵循能力

⚠️ 不推荐配置

• 🚫 Trae国内版 - 内置的国内模型存在敏感词审查问题，可能导致专家辩论过程中断，影响使用体验

🛠️ 技术架构

智能分工原则：

• 🧠 MCP Host端 LLM：负责复杂的语义分析和智能生成
• 🔧 MCP Server端：提供简洁的流程控制和数据管理

动态专家生成流程

flowchart TD
    A[🤔 提出问题] --> B[🧠 智能分析]
    B --> C[👥 生成候选]
    C --> D[🚀 开始辩论]
    
    A1[直接向系统提问任何话题]
    B1[MCP Host端LLM深度分析问题特征]
    C1[动态创建3位最相关的专家]
    D1[启动多轮PK流程]
    
    A -.-> A1
    B -.-> B1
    C -.-> C1
    D -.-> D1
    
    style A fill:#e1f5fe
    style B fill:#f3e5f5
    style C fill:#e8f5e8
    style D fill:#fff3e0

🔄 辩论流程

两种辩论模式：

🚀 批处理模式 (start_pk_session) - 默认推荐

• ⚡ 高效率：一轮生成所有专家回答，节省约60%时间
• 🎯 适用场景：快速获取多角度分析，高效决策支持

🔄 逐步模式 (start_stepwise_pk_session) - 传统体验

• 🎭 互动性：逐个专家发言，实时调整和深入探讨
• 🎯 适用场景：深度思辨，享受完整辩论过程

4轮辩论流程：

flowchart TD
    A[🤔 独立思考] --> B[⚔️ 交叉辩论]
    B --> C[🎯 最终立场]
    C --> D[🧠 智慧综合]
    
    A1[每位专家独立分析问题]
    B1[专家间互相质疑和借鉴]
    C1[形成各自完善的方案]
    D1[融合各方观点的终极答案]
    
    A -.-> A1
    B -.-> B1
    C -.-> C1
    D -.-> D1
    
    B --> B2[多轮交互]
    B2 --> B
    
    style A fill:#e3f2fd
    style B fill:#fce4ec
    style C fill:#e8f5e8
    style D fill:#fff8e1
    style B2 fill:#f3e5f5

💭 设计理念

灵感来源

本项目初期的专家系统受到 人生教练团Agent 的启发，将内置专家的多角色PK的创新思路通过本地MCP的方式实现。

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，控制强劲
• ❌ 开发复杂度高，API调用成本高昂

☁️ 第三方文档服务远程MCP方案(飞书MCP)

• ✅ 部署简单，利用现有生态
• ❌ 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
• ✅ 智能分工架构 - 充分利用MCP Host端LLM智能
• ✅ 动态专家生成 - 突破固定专家池限制
• ❌ 依赖MCP客户端实现

本项目最新的设计，通过完全的动态专家生成，实现了从固定专家库到智能专家工厂的根本性突破。
借助于MCP Host端大语言模型的智能，MCP服务器端(本项目)专注流程控制，降低维护成本，实现智能与简洁的最佳平衡。