香农思维

一个实现了克劳德·香农系统化问题解决方法的 MCP 服务器。该服务器提供了一个工具，可以帮助将复杂问题分解为结构化的思考，遵循香农的问题定义、数学建模和实际实现的思路。

概述

克劳德·香农，被称为信息论之父，通过一种系统化的方法来解决复杂问题：

1. 问题定义: 将问题简化为基本要素
2. 约束: 识别系统限制和边界
3. 模型: 开发数学/理论框架
4. 证明/验证: 通过形式证明或实验测试进行验证
5. 实现/实验: 设计和测试实际解决方案

这个 MCP 服务器将这种方法实现为一个工具，通过这些阶段来帮助指导系统化的问题解决。

安装

npm install @modelcontextprotocol/server-shannon-thinking

使用

该服务器提供了一个名为 shannonthinking 的工具，该工具根据香农的方法论来构建问题解决的思路。

每个想法必须包括：

• 实际的想法内容
• 类型 (problem_definition/constraints/model/proof/implementation)
• 想法编号和总想法估计
• 置信度 (不确定性: 0-1)
• 对先前想法的依赖
• 明确的假设
• 是否需要另一个想法步骤

附加功能：

• 修订: 随着理解的演变，想法可以修改早期的步骤
• 复查: 标记需要用新信息重新检查的步骤
• 实验验证: 支持与形式证明并行的经验测试
• 实现说明: 实际约束和建议的解决方案

使用示例

const thought = {
  thought: "核心问题可以定义为信息流优化",
  thoughtType: "problem_definition",
  thoughtNumber: 1,
  totalThoughts: 5,
  uncertainty: 0.2,
  dependencies: [],
  assumptions: ["系统具有有限容量", "信息流是连续的"],
  nextThoughtNeeded: true,
  // 可选：标记为早期定义的修订
  isRevision: false,
  // 可选：指示步骤需要复查
  recheckStep: {
    stepToRecheck: "constraints",
    reason: "发现了新的容量限制",
    newInformation: "系统显示非线性缩放"
  }
};

// 与 MCP 客户端一起使用
const result = await client.callTool("shannonthinking", thought);

特性

• 迭代问题解决: 支持随着理解的演变进行修订和复查
• 灵活的验证: 将形式证明与实验验证相结合
• 依赖跟踪: 显式跟踪想法如何建立在先前的想法之上
• 假设管理: 需要清晰地记录假设
• 置信度: 量化每个步骤中的不确定性
• 丰富的反馈: 格式化的控制台输出，带有颜色编码、符号和验证结果

开发

# 安装依赖
npm install

# 构建
npm run build

# 运行测试
npm test

# 开发期间的观察模式
npm run watch

工具模式

该工具接受具有以下结构的想法：

interface ShannonThought {
  thought: string;
  thoughtType: "problem_definition" | "constraints" | "model" | "proof" | "implementation";
  thoughtNumber: number;
  totalThoughts: number;
  uncertainty: number; // 0-1
  dependencies: number[];
  assumptions: string[];
  nextThoughtNeeded: boolean;
  
  // 可选的修订字段
  isRevision?: boolean;
  revisesThought?: number;
  
  // 可选的复查字段
  recheckStep?: {
    stepToRecheck: ThoughtType;
    reason: string;
    newInformation?: string;
  };
  
  // 可选的验证字段
  proofElements?: {
    hypothesis: string;
    validation: string;
  };
  experimentalElements?: {
    testDescription: string;
    results: string;
    confidence: number; // 0-1
    limitations: string[];
  };
  
  // 可选的实现字段
  implementationNotes?: {
    practicalConstraints: string[];
    proposedSolution: string;
  };
}

何时使用

此工具对于以下情况特别有价值：

• 复杂系统分析
• 信息处理问题
• 工程设计挑战
• 需要理论框架的问题
• 优化问题
• 需要实际实现的系统
• 需要迭代改进的问题
• 实验验证补充理论的情况

许可证

MIT