01 / 服务器详情
服务器详情
ai-counsel 是一个为多模型协作设计的“辩论式共识引擎”。它打破了单一模型输出的局限，通过引入多轮辩论机制，让不同的 AI 模型针对复杂问题进行深度博弈。其核心亮点在于具备结构化投票、收敛检测以及持久化的决策图谱记忆能力。对于开发者而言，这不仅是一个简单的聚合器，更是一个能让 AI 实现“集体智慧”的框架。在处理逻辑严密的决策任务、复杂代码审查或需要多维度视角验证的科研场景时，它能显著降低单一模型的幻觉风险。上手难度适中，非常适合希望构建高可靠性、多智能体（Multi-agent）工作流的进阶用户。
一个提供 harrison/ai-counsel 能力的模型上下文协议服务器，可被兼容 MCP 的 AI 客户端连接和调用。
能力标签GeneralMCP开源
协议Model Context Protocol
开发者生态开源生态
开源协议MIT / 以来源页为准
来源GitHub
收录合集
收录本 MCP 服务的合集
常用MCP2026.03.30已收录
我的MCP2026.03.31已收录
Genie2026.03.30已收录
02 / 工具测试
工具测试
可用工具
可调用harrison-ai-counsel
调用 harrison/ai-counsel 提供的 MCP 能力并返回结构化结果。
参数
input根据该 MCP 服务的工具 schema 传入参数。提示：该工具可能会截断响应；使用 start_index 等分页参数可以分块读取较长内容。
03 / 服务配置
连接方式
Remote
{
"mcpServers": {
"harrison/ai-counsel": {
"url": "部署后由服务提供方生成 Remote 地址"
}
}
}Remote 地址需要在部署后由服务提供方生成，页面不会伪造不可用的端点。
Stdio · mcp.json
当前记录没有 npm 包，请先打开来源仓库补充 command 和 args。如果当前条目没有登记 npm 包，请以来源仓库的安装方式为准。
03 / 使用方法
如何使用
- 01步骤 1
先检查服务器能力和权限范围。
- 02步骤 2
复制安装命令或 JSON 配置。
- 03步骤 3
在客户端中进行小范围连接测试。
- 04步骤 4
确认数据访问和维护状态后再长期使用。
04 / 讨论
讨论与反馈
这里保留讨论入口，方便继续核对来源、使用体验和维护状态。
前往来源页面