neuro-bridge

name	neuro-bridge
description	通过本地模型（Neuro-Core）直接控制 Windows 操作系统。当需要执行键鼠模拟、截图分析、OS 级命令行或绕过沙箱限制的操作时调用。支持深度推理、记忆管理、MCP 服务器管理、代码搜索与理解、文件修改与验证、浏览器自动化等能力。

Neuro-Bridge 技能

功能概述

Neuro-Bridge 是一个基于 FastMCP 的本地 AI 助手系统，通过本地模型（Neuro-Core）直接控制 Windows 操作系统。

核心能力

1. 深度推理 (deep_reasoning)

• 复杂分析、架构设计、根因分析
• 支持 P1_RESEARCH、P2_OPTIMIZATION、P3_GENERAL 三种思维协议

2. 记忆管理 (manage_memory)

• 存储/检索项目知识
• 基于 BM25 + Mem0 风格的混合召回

3. MCP 服务器管理

• 配置、启用与验证 MCP Server
• 工具：Read、RunCommand、SearchCodebase

4. 代码搜索与理解

• 定位关键实现并生成结构化理解摘要
• 工具：SearchCodebase、Read、Grep

5. 文件修改与验证

• 安全编辑文件并验证改动生效
• 工具：Read、apply_patch、RunCommand、GetDiagnostics

6. 浏览器自动化

• 按步骤完成网页操作并获取结果
• 工具：WebFetch、WebSearch、OpenPreview

工作流模板

1. 需求到改动 - 把需求变成可执行修改
2. 问题定位与修复 - 快速定位问题根因
3. 批量改名/替换 - 跨文件一致性修改
4. 网页信息提取 - 抽取结构化要点
5. 知识沉淀 - 把结论写入长期记忆

使用方法

from neuro_mcp_server import deep_reasoning, manage_memory, self_check

# 深度推理
result = deep_reasoning(
    intent="分析代码架构缺陷",
    context="[代码片段]",
    protocol="P1_RESEARCH"
)

# 记忆管理
manage_memory(
    operation="store",
    content="项目使用 FastMCP 框架",
    tags=["architecture"]
)

# 系统自检
status = self_check()

环境要求

• Ollama 服务运行在 http://localhost:11434/v1
• 模型名称: neuro-core
• Python 依赖: mcp[cli], requests

项目结构

src/
├── neuro_mcp_server.py    # FastMCP 服务器
└── neuro_memory.py        # 记忆系统

更新日志

• v1.0.0 (2026-02-11): 初始版本，包含 5 个能力蓝图和 5 个工作流模板