Chain of Draft (CoD) MCP 服务器

概述

此 MCP 服务器实现了“Chain of Draft (CoD)”推理方法，如研究论文“Chain of Draft: Thinking Faster by Writing Less”中所述。 CoD 是一种新颖的范例，允许 LLM 生成简约但信息丰富的中间推理输出，同时解决任务，从而在保持准确性的同时显着减少 token 使用量。

主要优势

• 效率：显着减少 token 使用量（仅为标准 CoT 的 7.6%）
• 速度：由于生成时间更短，响应速度更快
• 成本节约：降低 LLM 调用的 API 成本
• 保持准确性：与 CoT 相比，准确性相似甚至更高
• 灵活性：适用于各种推理任务和领域

功能

1. 核心 Chain of Draft 实现

   • 简洁的推理步骤（通常为 5 个字或更少）
   • 格式强制执行
   • 答案提取

2. 性能分析

   • Token 使用量跟踪
   • 解决方案准确性监控
   • 执行时间测量
   • 领域特定的性能指标

3. 自适应字数限制

   • 自动复杂度估计
   • 动态调整字数限制
   • 领域特定的校准

4. 综合示例数据库

   • CoT 到 CoD 的转换
   • 领域特定的示例（数学、代码、生物学、物理学、化学、谜题）
   • 基于问题相似性的示例检索

5. 格式强制执行

   • 后处理以确保符合字数限制
   • 步骤结构保留
   • 遵守情况分析

6. 混合推理方法

   • CoD 和 CoT 之间的自动选择
   • 领域特定的优化
   • 基于历史性能的选择

7. OpenAI API 兼容性

   • 标准 OpenAI 客户端的直接替代品
   • 支持 completions 和 chat 接口
   • 易于集成到现有工作流程中

设置和安装

前提条件

• Python 3.10+（对于 Python 实现）
• Node.js 18+（对于 JavaScript 实现）
• Anthropic API 密钥

Python 安装

1. 克隆存储库
2. 安装依赖项：

   pip install -r requirements.txt
   

3. 在 .env 文件中配置 API 密钥：

   ANTHROPIC_API_KEY=your_api_key_here
   

4. 运行服务器：

   python server.py
   

JavaScript 安装

1. 克隆存储库
2. 安装依赖项：

   npm install
   

3. 在 .env 文件中配置 API 密钥：

   ANTHROPIC_API_KEY=your_api_key_here
   

4. 运行服务器：

   node index.js
   

Claude Desktop 集成

要与 Claude Desktop 集成：

1. 从 claude.ai/download 安装 Claude Desktop

2. 创建或编辑 Claude Desktop 配置文件：

   ~/Library/Application Support/Claude/claude_desktop_config.json
   

3. 添加服务器配置（Python 版本）：

   {
       "mcpServers": {
           "chain-of-draft": {
               "command": "python3",
               "args": ["/absolute/path/to/cod/server.py"],
               "env": {
                   "ANTHROPIC_API_KEY": "your_api_key_here"
               }
           }
       }
   }
   

   或者对于 JavaScript 版本：

   {
       "mcpServers": {
           "chain-of-draft": {
               "command": "node",
               "args": ["/absolute/path/to/cod/index.js"],
               "env": {
                   "ANTHROPIC_API_KEY": "your_api_key_here"
               }
           }
       }
   }
   

4. 重启 Claude Desktop

您还可以使用 Claude CLI 添加服务器：

# 对于 Python 实现
claude mcp add chain-of-draft -e ANTHROPIC_API_KEY="your_api_key_here" "python3 /absolute/path/to/cod/server.py"

# 对于 JavaScript 实现
claude mcp add chain-of-draft -e ANTHROPIC_API_KEY="your_api_key_here" "node /absolute/path/to/cod/index.js"

可用工具

Chain of Draft 服务器提供以下工具：

工具	描述
chain_of_draft_solve	使用 Chain of Draft 推理解决问题
math_solve	使用 CoD 解决数学问题
code_solve	使用 CoD 解决编码问题
logic_solve	使用 CoD 解决逻辑问题
get_performance_stats	获取 CoD 与 CoT 的性能统计信息
get_token_reduction	获取 token 减少统计信息
analyze_problem_complexity	分析问题复杂度

开发者使用

Python 客户端

如果您想在 Python 代码中直接使用 Chain of Draft 客户端：

from client import ChainOfDraftClient

# 创建客户端
cod_client = ChainOfDraftClient()

# 直接使用
result = await cod_client.solve_with_reasoning(
    problem="Solve: 247 + 394 = ?",
    domain="math"
)

print(f"Answer: {result['final_answer']}")
print(f"Reasoning: {result['reasoning_steps']}")
print(f"Tokens used: {result['token_count']}")

JavaScript 客户端

对于 JavaScript/Node.js 应用程序：

import { Anthropic } from "@anthropic-ai/sdk";
import dotenv from "dotenv";

// 加载环境变量
dotenv.config();

// 创建 Anthropic 客户端
const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

// 导入 Chain of Draft 客户端
import chainOfDraftClient from './lib/chain-of-draft-client.js';

// 使用客户端
async function solveMathProblem() {
  const result = await chainOfDraftClient.solveWithReasoning({
    problem: "Solve: 247 + 394 = ?",
    domain: "math",
    max_words_per_step: 5
  });
  
  console.log(`Answer: ${result.final_answer}`);
  console.log(`Reasoning: ${result.reasoning_steps}`);
  console.log(`Tokens used: ${result.token_count}`);
}

solveMathProblem();

实现细节

该服务器提供 Python 和 JavaScript 两种实现，两者都包含几个集成的组件：

Python 实现

1. AnalyticsService: 跟踪不同问题领域和推理方法的性能指标
2. ComplexityEstimator: 分析问题以确定适当的字数限制
3. ExampleDatabase: 管理和检索示例，将 CoT 示例转换为 CoD 格式
4. FormatEnforcer: 确保推理步骤符合字数限制
5. ReasoningSelector: 根据问题特征智能地选择 CoD 和 CoT

JavaScript 实现

1. analyticsDb: 用于跟踪性能指标的内存数据库
2. complexityEstimator: 分析问题以确定复杂性和适当的字数限制
3. formatEnforcer: 确保推理步骤符合字数限制
4. reasoningSelector: 根据问题特征和历史性能自动选择 CoD 和 CoT

两种实现都遵循相同的核心原则并提供相同的 MCP 工具，使其在大多数用例中可以互换。

许可证

本项目是开源的，并根据 MIT 许可证提供。