顺序思考 MCP 服务器 (Python 实现)

这是一个使用官方模型上下文协议 (MCP) Python SDK 实现的顺序思考 MCP 服务器。此服务器有助于对问题进行详细的、逐步的思考过程，以便进行问题解决和分析。

特性

• 将复杂问题分解为可管理的步骤
• 随着理解的加深，修改和完善想法
• 分支到替代的推理路径
• 动态调整总思考次数
• 生成和验证解决方案假设

用法

直接运行

uv --directory "/path/to/sequential-thinking-mcp" run main.py

开发模式

对于开发和测试，您可以使用 MCP CLI 工具：

# 安装 MCP CLI 工具
pip install "mcp[cli]"

# 在开发模式下运行
mcp dev "/path/to/sequential-thinking-mcp"

# npx @modelcontextprotocol/inspector
npx @modelcontextprotocol/inspector uv --diectory "/path/to/sequential-thinking-mcp" run main.py

集成

mcp install "\path\to\sequential-thinking-mcp\server.py"

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/sequential-thinking-mcp",
        "run",
        "main.py"
      ]
    }
  }
}

顺序思考工具

该服务器提供了一个名为 sequential_thinking 的工具，具有以下参数：

• thought (string): 当前的思考步骤
• thoughtNumber (integer): 当前思考次数
• totalThoughts (integer): 估计需要的总思考次数
• nextThoughtNeeded (boolean): 是否需要下一个思考步骤
• isRevision (boolean, optional): 这是否是对先前思考的修改
• revisesThought (integer, optional): 正在重新考虑哪个思考
• branchFromThought (integer, optional): 分支点的思考次数
• branchId (string, optional): 分支标识符
• needsMoreThoughts (boolean, optional): 是否需要更多思考

资源

该服务器提供以下资源来访问思考数据：

• thoughts://history: 获取完整的思考历史
• thoughts://branches/{branch_id}: 获取特定分支的思考
• thoughts://summary: 获取所有思考和分支的摘要

提示词

• thinking_process_guide: 使用顺序思考过程的指南

使用示例

# 第一次思考
sequential_thinking(
    thought="首先，我们需要了解问题的要求。",
    thoughtNumber=1,
    totalThoughts=5,
    nextThoughtNeeded=True
)

# 第二次思考
sequential_thinking(
    thought="现在，让我们分析关键约束。",
    thoughtNumber=2,
    totalThoughts=5,
    nextThoughtNeeded=True
)

# 修改一个思考
sequential_thinking(
    thought="实际上，我们需要首先明确问题的要求。",
    thoughtNumber=1,
    totalThoughts=5,
    nextThoughtNeeded=True,
    isRevision=True,
    revisesThought=1
)

# 从思考 2 分支
sequential_thinking(
    thought="让我们探索一种替代方法。",
    thoughtNumber=3,
    totalThoughts=5,
    nextThoughtNeeded=True,
    branchFromThought=2,
    branchId="alternative-approach"
)

与 Claude 或其他 AI 助手的集成

要将此服务器与支持 MCP 的 Claude 或其他 AI 助手一起使用：

1. 使用 MCP CLI 在 Claude Desktop 中安装 MCP 服务器
2. 然后，AI 可以使用 sequential_thinking 工具来分解复杂问题

关于模型上下文协议 (MCP)

模型上下文协议 (MCP) 是一种标准化的方式，供应用程序向 LLM 提供上下文和工具。它允许：

• 资源: 向 LLM 提供上下文数据
• 工具: 公开 LLM 可以采取行动的功能
• 提示词: 定义 LLM 交互的可重用模板

有关更多信息，请访问 modelcontextprotocol.io

许可证

MIT