能力标签

🔌 MCP 🤖 Agent 🔄 工作流 💻 CLI 🧬 Embedding 🧠 Claude

🔌

MCP工具

心流认知引擎

基于 JavaScript · 让 AI 助手直接操作你的系统与工具

英文名：mark-heartflow-skill

⭐ 27 Stars 🍴 6 Forks 💻 JavaScript 📄 未公布协议 🏷 AI 8.0分

8.0AI 综合评分

aicognitive-enginejavascript

⚙️ 配置说明 🔍 查看原项目 📺 TG 频道

✦ AI Skill Hub 推荐

AI Skill Hub 强烈推荐：心流认知引擎是一款优质的MCP工具。AI 综合评分 8.0 分，在同类工具中表现稳健。如果你正在寻找可靠的MCP工具解决方案，这是一个值得深入了解的选择。

📚 深度解析

心流认知引擎是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装心流认知引擎，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。心流认知引擎提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将心流认知引擎评为 AI 评分 8.0 分，属于同类工具中的优质选择。

📋 工具概览

心流认知引擎是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars

⭐ 27

开发语言

JavaScript

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

未公布

AI 综合评分

8.0 分

工具类型

MCP工具

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

🎯 主要使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/yun520-1/mark-heartflow-skill

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "------": {
      "command": "npx",
      "args": ["-y", "mark-heartflow-skill"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json

📋 安装步骤说明

确认已安装 Node.js（v18 或以上版本）
打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
保存配置文件并重启 Claude 客户端
重启后，在对话中即可使用本工具

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 心流认知引擎 执行以下任务...
Claude: [自动调用 心流认知引擎 MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "______": {
      "command": "npx",
      "args": ["-y", "mark-heartflow-skill"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效

📑 README 深度解析真实文档完整度 40/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

HeartFlow v5.0 — 逻辑验证层 · 决策路由 · 自愈RL

HeartFlow is not an LLM enhancer. It is a cognitive state encoder. It takes raw text → encodes it into structured cognition (emotion, psychology, philosophy, desire, judgment, decision) → feeds the LLM with data it couldn't produce alone. The LLM makes the final decision. HeartFlow makes that decision 27% more accurate.

English · 中文版

---

Getting Started

Quick Install

```bash

2. Install (0 external packages, no network needed)

npm install

快速安装

```bash

安装（0外部包，不需要网络）

npm install

管道输出示例（用户说"我想辞职去创业"）

心虫管道输出（7阶段，~7ms）：

heartLogic:  类型=决策类, 疼痛=经济焦虑
intent:      意图=职业, 语气=焦虑
psychology:  情绪(PAD: -0.3/0.6/0.2), 认知负荷=0.4, 目标冲突=[稳定vs自由]
judgment:    2条路径评估:
             路径A "深入分析" → 评分6.0/10 (可行0.7, 风险0.3)
             路径B "立即行动" → 评分4.7/10 (可行0.4, 风险0.7)
             后果预测: 短期=财务压力, 中期=职业转型, 长期=自由
             RL匹配: 上回类似场景→"分析"是对的→置信度0.8
decision:    策略=加速(高U+高D+中A), 优先级=先分析再行动

→ LLM拿到这些结构化数据后做最终决策

启动 MCP HTTP 服务器

node mcp/mcp-server-http.js --port 8099 &

Integration (MCP Server)

HeartFlow runs as an MCP server for AI agent integration:

```bash

Integration (Code)

const { HeartFlow } = require('./path/to/heartflow-skill/src/core/heartflow.js');
const hf = new HeartFlow({ rootPath: './path/to/heartflow-skill' });
hf.start();

// Full cognitive pipeline
const result = await hf.think("I want to quit my job and start a company");
// result.cognition contains structured: emotion, psychology, philosophy, desire, judgment, decision
// result.conclusion is the 3-section output for the LLM

// Or just get the structured data
const { cognition } = result;
console.log('Emotion:', cognition.emotion);        // PAD vector
console.log('Psychology:', cognition.psychology);   // 10 dimensions
console.log('Judgment:', cognition.judgment);       // multi-path + consequences
console.log('Decision:', cognition.decision);       // strategy + confidence

---

🎯 aiskill88 AI 点评 A 级 2026-06-27

高质量的开源MCP工具，具有创新性的认知引擎设计