MCP 服务器

Deep Thinking Assistant

一个基于 OpenAI API 的 MCP 服务器，提供深度思考和分析能力，并与 AI 编辑器模型集成，以提供全面的见解和实用的解决方案。

README

深度思考助手 - Gemini MCP 服务器

这是一个基于 Gemini API 的 MCP 服务器，旨在提供深度思考和分析。它与 AI 编辑器的模型协同工作，以提供更深入的分析和洞察。

特点

来自多角度的的问题分析
批判性思维和创造性思维的整合
实践性和具体性的建议
现有知识的整合和新视角的提供
根据上下文调整适当的详细程度
对提出的解决方案进行批判性分析和改进建议

项目结构

dive_deep/
├── logs/                   # 日志文件目录
├── dive_deep_server.py     # 主服务器文件
├── logger_config.py        # 日志配置
├── prompts.py             # 提示词定义
├── requirements.txt       # 依赖关系
├── .env                   # 环境变量设置
└── README.md             # 文档

设置

安装依赖:

pip install -r requirements.txt

设置环境变量: 创建 .env 文件并设置以下内容：

GEMINI_API_KEY=your_api_key_here
GEMINI_MODEL=gemini-2.0-flash

使用方法

启动服务器:

python dive_deep_server.py

可用工具

deep_thinking_agent

加深问题解决的思考过程，并提出着眼点。该工具提供对问题的深入理解和多角度分析，并提供指导方针以得出更好的解决方案。

参数:

instructions: 用户指令（必需）
context: 思考过程的上下文（必需）
model: 使用的模型名称（默认: "gemini-2.0-flash"）

enhancement_agent

分析代码的改进点，并提出具体建议。该工具从代码质量、性能、可维护性等角度进行全面分析，并提供实用的改进建议。

参数:

instructions: 对审查代码的指示（必需）
code: 代码列表（必需）
model: 使用的模型名称（默认: "gemini-2.0-flash"）
temperature: 生成时的温度参数（默认: 0.7）

final_review_agent

进行最终代码审查并提出改进点。该工具批判性地分析提出的更改和改进，并识别潜在的问题和进一步优化的机会。

参数:

instructions: 对审查代码的指示（必需）
code: 代码列表（必需）
model: 使用的模型名称（默认: "gemini-2.0-flash"）
temperature: 生成时的温度参数（默认: 0.7）

使用例

加深思考过程:

response = deep_thinking_agent(
    instructions="请考虑如何优化此算法",
    context="当前实现的时间复杂度为O(n^2)",
    model="gemini-2.0-flash"
)

代码改进建议:

response = enhancement_agent(
    instructions="请改进此代码的性能",
    code=["def example():\n    # 代码内容"],
    model="gemini-2.0-flash"
)

最终审查:

response = final_review_agent(
    instructions="请最终确认已实施的改进方案",
    code=["def improved_example():\n    # 改进后的代码"],
    model="gemini-2.0-flash"
)

默认系统提示

思考辅助提示

服务器基于以下原则辅助思考：

问题理解和结构化思考
- 通过系统思考把握整体情况
- 通过 MECE 分解问题
- 因果关系分析（Why-Why 分析、特性要因图）
- 利益相关者分析和需求整理
解决方案的设计和评估
- 应用设计模式和架构原则
- 权衡的定量评估（成本 vs. 收益）
- 风险分析和对策（FMEA 手法）
- 可行性验证（PoC 战略）
追求技术卓越
- 干净架构的原则・低耦合和高内聚・依赖关系的适当方向・接口的抽象化
- 代码质量的优化・可读性和可维护性・性能和可扩展性・安全性和健壮性
- 测试策略的设计・测试金字塔的考虑・边界值和边缘情况・自动化和持续验证
创新和创造性思考
- 利用横向思维
- 通过 SCAMPER 方法展开想法
- 利用约束进行创造性问题解决
- 新技术和遗留系统的集成
优化实施和部署
- 阶段性实施策略
- 技术债务的管理和偿还计划
- 变更的影响分析
- 最小化部署风险
持续改进和学习
- KPI 和指标的设置
- 建立反馈循环
- 知识的系统化和共享
- 实践 PDCA 循环
沟通与协作
- 明确技术说明
- 文档的结构化
- 团队间的知识共享
- 促进审查和反馈