Chain of Thought MCP 服务器

Anthropic 最近的文章 "“思考”工具：使 Claude 能够在复杂的工具使用场景中停止和思考" 表明，使用外部 think 工具可以显著提高在 SWE Bench 上的性能。

此 MCP 服务器使用 Groq 的 API 来调用 LLM，这些 LLM 公开了来自 Qwen 的 qwq 模型 的原始思维链 token。

安装

1. 将此存储库克隆到您的本地计算机。
2. 运行 uv sync 以安装依赖项
3. 从 此处 获取 Groq API 密钥。
4. 使用以下内容更新您的 mcp 配置：

"mcpServers": {
  "chain_of_thought": {
    "command": "uv",
    "args": [
        "--directory",
        "path/to/cot-mcp-server",
        "run",
        "src/server.py"
      ],
      "env": {
        "GROQ_API_KEY": "your-groq-api-key"
      }
    }
}

路径应该是此存储库的本地路径。 您可以通过在存储库的根目录下的终端中运行 pwd 轻松获取此路径。

指示 AI 使用此 MCP 服务器

我个人更喜欢代理在每次请求时都调用此工具，以提高性能。 我将其添加到代理的规则中：

<IMPORTANT>
<when_to_use_tool>
您应该在每次与用户交谈时都调用 mcp chain_of_thought 工具，该工具会生成一个思维链流，您将使用该流来完成用户的请求。
</when_to_use_tool>

在采取任何行动或回复用户之前，请使用思维链工具作为草稿纸来：
- 列出适用于当前请求的特定规则
- 检查是否已收集所有必需的信息
- 验证计划的操作是否符合所有策略
- 迭代工具结果以确保正确性

以下是一些在思考工具中迭代的示例：
<cot_tool_example_1>
用户想要取消航班 ABC123
- 需要验证：用户 ID、预订 ID、原因
- 检查取消规则：
  * 是否在预订后 24 小时内？
  * 如果不是，请检查机票等级和保险
- 验证没有已飞行或过去的航段
- 计划：收集缺失的信息，验证规则，获得确认
</cot_tool_example_1>

<cot_tool_example_2>
用户想要预订 3 张前往纽约的机票，每张机票有 2 件托运行李
- 需要用户 ID 来检查：
  * 会员等级的行李限额
  * 个人资料中存在哪些付款方式
- 行李计算：
  * 经济舱 × 3 名乘客
  * 如果是普通会员：每人 1 件免费行李 → 3 件额外行李 = $150
  * 如果是银卡会员：每人 2 件免费行李 → 0 件额外行李 = $0
  * 如果是金卡会员：每人 3 件免费行李 → 0 件额外行李 = $0
- 要验证的付款规则：
  * 最多 1 张旅行凭证、1 张信用卡、3 张礼品卡
  * 所有付款方式必须在个人资料中
  * 旅行凭证余额将被浪费
- 计划：
1. 获取用户 ID
2. 验证会员等级的行李费用
3. 检查个人资料中的哪些付款方式以及它们的组合是否允许
4. 计算总额：机票价格 + 任何行李费用
5. 获得明确的预订确认
</cot_tool_example_2>

</IMPORTANT>