SuperAPI AI 工具集

decisionmatrix-mcp

DecisionMatrix MCP 是一个面向 AI 智能体的多准则决策分析(MCDA)服务器,基于模型上下文协议(MCP)提供100%确定性的评分、排序与解释引擎。它接收选项、带权重的准则以及评分矩阵,使用加权和(weighted-sum)、加权积(weighted-product)或 TOPSIS 方法,返回包含逐准则拆解、所用方法、权重与自然语言解释的完整结果。所有计算经 decimal.js 以40位精度进行,不含浮点数与随机性,相同输入始终得到字节级一致的输出。服务器无状态、无数据库、无会话,通过 npm 安装后可本地运行,也可连接托管远程服务器使用。

访问官网

工具介绍

用途

DecisionMatrix MCP 解决的是 AI 智能体在决策环节的一个常见短板:智能体擅长收集选项,但在权衡取舍时不可靠——容易丢失精度、权重应用不一致,且无法展示推理过程。该工具把评分工作卸载到一个精确、可解释的确定性引擎上,让智能体只需提供选项、带权重的准则和评分矩阵,即可获得完全打分、排序并有解释的结果。

主要能力

  • 三种评分方法:加权和(weighted_sum,默认)、加权积(weighted_product)、TOPSIS,并支持 saw、wpm、ideal 等别名。
  • 准则方向感知:每个准则可设为 benefit(越高越好,如质量、速度)或 cost(越低越好,如价格、延迟、风险)。
  • 精确计算:全部数值经 decimal.js 以40位精度运算,采用 ROUND_HALF_UP,无浮点、无随机、无时钟参与结果;相同输入始终产生字节级一致的输出。
  • 统一响应结构:每次成功返回都包含 status、method、winner、ranking(含逐准则拆解)、methodology、weights_used、inputs_used、notes 和自然语言解释。
  • 六个工具:
    • create_decision(options, criteria, scores, method="weighted_sum")——完整打分、排序与解释;
    • score_options(options, criteria, scores, method)——返回完整评分矩阵(逐选项、逐准则归一化分数与总分),不含胜者叙述;
    • sensitivity_analysis(options, criteria, scores, method, variation=0.2, steps=10)——将每个准则权重在 ±variation(如 0.2 表示 ±20%)范围内按 steps 增量(2–100)扫描并重新归一化其他权重,重算胜者,返回 robustness_score(基线胜者保持第一的场景占比)、fragile_criteria 和各准则翻转点;
    • compare_two(option_a, option_b, criteria, scores, method)——两个选项的正面对比,返回胜者、分差、各准则胜负计数与逐准则拆解;
    • list_methods() / health_check()——发现与状态查询,无参数。
  • 错误即数据:错误不越过工具边界作为异常抛出,而是以结构化、可操作的响应信封返回,包含机器类型与提示。校验覆盖重名、缺失单元格(会精确列出)、非数值分数、非法权重/方向及未知方法。
  • 权重相对性:权重被内部归一化为总和为1,因此 [3,2,1] 与 [30,20,10] 结果相同。
  • 分数相对性:分数衡量的是选项在给定备选集合中的相对位置,而非绝对评级,这一点会在 notes 中说明。

使用方式

托管远程服务器(免费,无需安装):公共远程 MCP 服务器运行在 Cloudflare 边缘,任何 Streamable-HTTP MCP 客户端都可以指向它。免费开放模式无需密钥,每 IP 每天15次调用。付费计划(Starter $12/月,5000次/天;Pro $39/月,50000次/天)通过 Stripe Checkout 购买,购买后立即获得 API key,并以 X-API-Key 头部发送。自托管则无调用限制且无需密钥。

npm 安装(stdio,无需托管):可通过单条命令在本地以 stdio 方式运行服务器,无需部署。

客户端配置位置:

  • Cursor:~/.cursor/mcp.json
  • Claude Desktop:claude_desktop_config.json(Claude Desktop 启动 stdio 服务器,需用 mcp-remote 桥接到 HTTP 端点)
  • VS Code:.vscode/mcp.json
  • 任意 Streamable-HTTP MCP 客户端:指向服务器地址;若启用鉴权,在客户端 headers 中添加 X-API-Key(或 Authorization: Bearer <key>)。

部署:可部署到 Cloudflare Pages,与 PrecisionCalc 相同的模式——一个构建步骤将 worker-src/ 打包为 site/_worker.js(Pages 高级模式 Function),再由 Wrangler 部署 site/ 目录;也可接入 Git,将构建命令设为 npm run build、输出目录设为 site,每次推送自动部署。兼容日期与项目名位于 wrangler.toml。完全免费/私密运行不需要任何绑定、密钥或环境变量。

计费配置(托管服务器已上线,可复刻用于自建付费部署):需要 KV 命名空间(DECISIONMATRIX_KV)存储 API key 与每日用量计数;Stripe 订阅产品价格 ID 放在 [vars](PRICE_STARTER、PRICE_PRO)及每日限额(FREE_DAILY、STARTER_DAILY、PRO_DAILY);Stripe 密钥通过 wrangler pages secret put 设置;Webhook 端点处理 customer.subscription.updated 与 customer.subscription.deleted;路由包括 /checkout、/success、/portal、/webhook、/metrics。

鉴权与限流:identify() 读取 X-API-Key 或 Bearer 令牌并在 KV 中查找,否则回落到按 IP 的免费层;consumeQuota() 是 KV 每日计数器(UTC 00:00 重置),是 handleRpc 中 method === "tools/call" 的唯一门控点;超额或无效密钥返回含定价与结账链接的结构化升级提示信封。

适用场景

适合需要让 AI 智能体在多个备选方案之间依据多重加权准则做出可解释、可复现排序的任何场景——例如供应商选型、技术栈对比、采购决策等。由于引擎无状态且无副作用,它易于缓存、可水平扩展,并安全运行于 Cloudflare、Node、Deno、Bun 等环境。

限制与注意事项

  • 加权和采用 min-max 归一化(最优→1,最差→0);若某准则在所有选项上取值相同,则视为中性(归一化为1)并加以说明。
  • 加权积使用比率归一化,要求分数严格为正,否则返回明确错误。
  • TOPSIS 使用向量归一化,按与理想/反理想解的贴近度排序。
  • 排名基于精确值计算,输入顺序作为稳定的平局打破规则。
  • Node 18+ 用于构建、测试和本地开发;仅有两个开发/运行时依赖:decimal.js 与 esbuild。
  • 所有工具在每个层级都可用,付费计划仅提升每日配额;如需将某工具设为仅付费可用,可将其名称加入 index.mjs 中的 PAID_ONLY_TOOLS。

项目结构

engine.mjs 是纯粹且与传输无关的(可直接在测试或任意 Node/Deno/边缘运行时中导入);index.mjs 只处理 MCP JSON-RPC 连接、HTTP、CORS 以及鉴权/计量接缝。

路线图(MVP 之后)

更多方法(AHP、ELECTRE、PROMETHEE、Borda 计数)、群体决策(聚合多利益相关方的权重/分数集)、蒙特卡洛敏感性分析与逐一分析并行、按密钥的使用仪表盘与 Redis/Durable-Object 配额、发布 npm 包及托管多租户层。

许可证:MIT。