链式思考 MCP 服务器

Anthropic 最近的文章 ["The 'think' tool: Enabling Claude to stop and think in complex tool use situations"] (https://www.anthropic.com/engineering/claude-think-tool) 显示，使用外部 think 工具显著提高了在 SWE Bench 上的表现。

此 MCP 服务器使用 Groq 的 API 调用 LLM，这些 LLM 暴露了来自 Qwen 的 qwq 模型 的原始链式思考令牌。

安装

1. 将此仓库克隆到本地机器。
2. 运行 uv sync 来安装依赖项。
3. 从 这里 获取一个 Groq API 密钥。
4. 更新您的 mcp 配置如下：

"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"
      }
    }
}

路径应为该仓库的本地路径。您可以通过在终端中从仓库根目录运行 pwd 来轻松获取此路径。

指导 AI 使用此 MCP 服务器

我个人更倾向于让代理在每次请求时调用此工具以提高性能。我将以下内容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调用 mcp chain_of_thought 工具，这会生成一个链式思考流，您将使用它来完成用户的请求。
</when_to_use_tool>

在采取任何行动或响应用户之前，请使用链式思考工具作为草稿纸来：
- 列出适用于当前请求的具体规则
- 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政策
- 对工具结果进行迭代以确保正确性

以下是可以在 think 工具内部迭代的一些示例：
<cot_tool_example_1>
用户希望取消航班 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，检查机票类别和保险
- 验证没有飞行段或过去的时间段
- 计划：收集缺失信息，验证规则，获得确认
</cot_tool_example_1>

<cot_tool_example_2>
用户希望预订3张前往纽约的机票，每张机票带2件托运行李
- 需要用户ID来检查：
  * 会员等级以确定行李限额
  * 帐户中的支付方式
- 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美元
  * 如果是银卡会员：每人2件免费行李 → 无额外行李 = 0美元
  * 如果是金卡会员：每人3件免费行李 → 无额外行李 = 0美元
- 验证支付规则：
  * 最多1张旅行证书，1张信用卡，3张礼品卡
  * 所有支付方式必须在帐户中
  * 旅行证书余额将被浪费
- 计划：
1. 获取用户ID
2. 验证会员等级以确定行李费用
3. 检查帐户中的支付方式及其组合是否允许
4. 计算总计：票价 + 任何行李费用
5. 获取明确的预订确认
</cot_tool_example_2>

</IMPORTANT>