Retrieval-Augmented Thinking MCP Server
利用结构化的、检索增强的思维过程来提升人工智能模型的能力,从而实现动态的思维链、并行的探索路径和递归的改进循环,以提高推理能力。
Tools
rat
A context-aware reasoning system that orchestrates structured thought processes through dynamic trajectories. Core Capabilities: - Maintains adaptive thought chains with branching and revision capabilities - Implements iterative hypothesis generation and validation cycles - Preserves context coherence across non-linear reasoning paths - Supports dynamic scope adjustment and trajectory refinement Reasoning Patterns: - Sequential analysis with backtracking capability - Parallel exploration through managed branch contexts - Recursive refinement via structured revision cycles - Hypothesis validation through multi-step verification Parameters: thought: Structured reasoning step that supports: • Primary analysis chains • Hypothesis formulation/validation • Branch exploration paths • Revision proposals • Context preservation markers • Verification checkpoints next_thought_needed: Signal for continuation of reasoning chain thought_number: Position in current reasoning trajectory total_thoughts: Dynamic scope indicator (adjustable) is_revision: Marks recursive refinement steps revises_thought: References target of refinement branch_from_thought: Indicates parallel exploration paths branch_id: Context identifier for parallel chains needs_more_thoughts: Signals scope expansion requirement Execution Protocol: 1. Initialize with scope estimation 2. Generate structured reasoning steps 3. Validate hypotheses through verification cycles 4. Maintain context coherence across branches 5. Implement revisions through recursive refinement 6. Signal completion on validation success The system maintains solution integrity through continuous validation cycles while supporting dynamic scope adjustment and non-linear exploration paths.
README
检索增强思维 MCP 服务器
一个 MCP (模型上下文协议) 服务器的实现,通过结构化的、检索增强的思维过程来增强 AI 模型的能力。 该服务器支持动态思维链、并行探索路径和递归细化循环,以改进推理和问题解决。
特性
- 自适应思维链: 维护具有分支和修订能力的连贯推理流程
- 迭代假设生成: 实施假设验证的验证循环
- 上下文连贯性: 在非线性推理路径中保持上下文
- 动态范围调整: 支持灵活的探索和细化
- 质量评估: 实时评估思维过程
- 分支管理: 处理并行探索路径
- 修订跟踪: 管理递归细化循环
安装
npm install @modelcontextprotocol/server-retrieval-augmented-thinking
使用
命令行
mcp-server-retrieval-augmented-thinking
程序化使用
import { Server } from '@modelcontextprotocol/sdk/server';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio';
// 初始化并运行服务器
const server = new Server({
name: 'retrieval-augmented-thinking',
version: '0.1.0'
});
// 连接传输
const transport = new StdioServerTransport();
await server.connect(transport);
工具配置
该服务器提供一个工具,具有以下参数:
thought(string): 当前推理步骤thoughtNumber(number): 在推理链中的位置totalThoughts(number): 估计的范围nextThoughtNeeded(boolean): 链继续信号isRevision(boolean, optional): 标记细化步骤revisesThought(number, optional): 引用目标思维branchFromThought(number, optional): 分支起始点branchId(string, optional): 分支标识符needsMoreThoughts(boolean, optional): 范围扩展信号
高级特性
思维链分析
服务器跟踪各种指标来评估思维链的质量:
- 链有效性
- 修订影响
- 分支成功率
- 总体质量
- 单个思维指标(复杂性、深度、质量、影响)
模式识别
分析思维模式以了解:
- 推理结构
- 上下文保持
- 假设验证
- 解决方案连贯性
开发
# 构建
npm run build
# 监听模式
npm run watch
贡献
欢迎贡献! 请阅读我们的贡献指南并提交 pull requests。
许可证
MIT
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。