STARWARCLOUD STARWAR.AI
返回市场
MCP智囊团服务器

MCP智囊团服务器

作者：flight50556 星标更新：2025-07-14
安装使用来源：spider==github.com

项目介绍

技术文档摘要

MCP 思维库

<div align="center"> <picture> <source media="(prefers-color-scheme: dark)" srcset="https://raw.githubusercontent.com/flight505/mcp-think-tank/main/assets/MCP_Think_Tank_dark.png" width="320"> <source media="(prefers-color-scheme: light)" srcset="https://raw.githubusercontent.com/flight505/mcp-think-tank/main/assets/MCP_Think_Tank_light.png" width="320"> <img alt="MCP Think Tank Logo" src="https://raw.githubusercontent.com/flight505/mcp-think-tank/main/assets/MCP_Think_Tank_light.png" width="320"> </picture>

npm 版本 许可证: MIT TypeScript Cursor 兼容 Claude 兼容性 模型上下文协议 Node.js smithery 徽章 <a href="https://mseep.ai/app/flight505-mcp-think-tank"> <img src="https://gips3.baidu.com/it/u=2081703448,73861338&fm=3081&app=3081&f=PNG?w=454&h=180" alt="MseeP.ai 安全评估徽章" width="50"> </a>

</div>

概述

MCP 思维库是一个强大的模型上下文协议（MCP）服务器，旨在增强像 Cursor 和 Claude @Web 这样的AI助手的能力。它提供了一个结构化的环境，用于增强推理能力、持久记忆以及负责任地使用工具。

关键功能包括先进的 顺序思维与链式推理，一个具有版本控制的强大 知识图谱记忆系统，以及智能的 带有调用限制防护措施的工具编排。这个平台使AI能够通过结构化分析解决复杂问题，在会话之间维护知识，并利用外部资源如网络搜索，同时遵守可配置的使用限制。

🎯 哲学

MCP 思维库建立在三个核心原则上：

  1. 优雅简洁：最小且设计精良的工具，补充而不是试图复制AI的能力。
  2. 增强反思：温和的指导促进更好的推理和自我反思，而没有严格的约束。
  3. 持久上下文：一个简单但有效的知识图谱提供了跨对话的记忆。

关键特性

  • 💭 思考工具：专门的空间用于结构化推理和自我反思。
  • 🧩 知识图谱：简单且有效的持久记忆系统。
  • 📝 任务管理工具：计划、跟踪和更新任务，与知识图谱集成。
  • 🌐 网络研究工具（Exa）：使用Exa API搜索网络并获取有来源的答案。
  • 🔍 记忆工具：易于使用的工具，用于从知识图谱中存储和检索信息。
  • 🤝 客户端支持：无缝集成到Cursor、Claude @Web和其他MCP客户端。
  • 🛡️ 工具编排及调用限制：内置防护措施，确保高效且负责任地使用工具，具有可配置的限制。
  • ⚡ 内容缓存：对文件和URL操作进行性能优化，自动检测重复项。
  • 🔄 顺序思维：启用多步骤推理过程，带有进度跟踪。
  • 🔎 自我反思：自动化反思传递以提高推理质量。
  • 📊 结构化输出：自动格式化思维过程，便于阅读。
  • 🔗 研究整合：无缝地将网络研究发现融入推理流程。

结构化思维的好处

利用think工具提供了一个专门的空间进行系统性的推理，鼓励：

  • 清晰的问题定义
  • 相关背景的收集
  • 步骤分析
  • 对推理的自我反思
  • 形成良好的结论

最近的研究强调了使用结构化思维时显著的改进：

  • 在复杂决策任务上相对提高了 54%。
  • 多次试验中的 一致性增强。
  • 在软件工程基准测试上的 表现提升。

详细功能

除了核心列表外，MCP 思维库还提供了高级AI交互的复杂功能。

结构化思维（思考工具）

think工具是实现高级AI推理的核心机制。它提供了一个专门的、结构化的环境，其中AI可以系统地分解问题、收集背景、分析选项并进行自我反思。这促进了更深入的分析和更高的输出质量，相比非结构化的响应。它支持顺序步骤，并与研究和记忆工具无缝集成。

自我反思功能

think工具包括一个强大的自我反思能力，可以通过selfReflect: true参数启用：

mcp_think-tool_think({
  structuredReasoning: "...",
  selfReflect: true,
  reflectPrompt: "自定义反思提示（可选）"
})

当启用自我反思时，AI会收到一个提示，要求其反思自己的推理。这遵循了MCP设计理念，即增强而非替代AI的能力。

reflectPrompt参数允许您自定义用于反思的提示，使其适应特定的推理任务或领域。如果没有指定，默认提示会询问识别不一致、逻辑错误和改进建议。

知识图谱记忆

知识图谱提供了跨不同交互和会话的持久记忆。它允许AI构建对项目及其组件和相关概念的理解。

  • 带时间戳的观察：所有记忆条目都包含元数据以供追踪。
  • 防止重复：智能实体匹配避免冗余条目。
  • 自动关联：基于启发式的关联创建连接相关概念（可配置）。
  • 高级查询：使用强大的memory_query工具按时间、标签、关键词等过滤记忆，进行历史分析和追踪概念演变。轻松找到过去48小时或任何特定时间段的最新条目。
  • 记忆维护：包括修剪和管理记忆增长的工具。
  • 关键记忆工具：使用upsert_entities、add_observations、create_relations、search_nodes、memory_query和open_nodes等工具与图谱互动。

任务管理工具

一系列工具允许AI直接在对话流中管理项目任务。这将规划和执行与知识图谱集成，使AI理解项目的状况和优先级。

关键任务工具

  • plan_tasks：一次创建多个任务，带有优先级和依赖关系
  • list_tasks：按状态和优先级筛选任务
  • next_task：获取最高优先级的任务并标记为进行中
  • complete_task：标记任务已完成
  • update_tasks：更新现有任务的新信息

网络研究工具（Exa）

利用Exa API，MCP 思维库提供了获取外部信息的工具。这允许AI访问最新的网络信息来指导其推理并提供有来源的答案。

  • exa_search：根据查询执行网络搜索。
  • exa_answer：获取简洁且有来源的事实问题答案。

注意：使用这些工具需要配置您的Exa API密钥。参见配置部分。

工具编排及防护措施

MCP 思维库包括全面的功能，确保工具被负责任且高效地使用。

  • 使用限制：每个用户交互允许的最大工具调用次数（TOOL_LIMIT，默认值：25）。计数器仅计算单个用户消息内的连续工具调用，并在用户发送新消息时自动重置。
  • 自动跟踪：所有工具调用都被记录和监控。
  • 优雅降级：达到限制时，系统尝试返回部分结果。
  • 智能缓存：相同的工具调用和重复的文件/URL内容获取会被自动缓存，减少执行时间和资源使用。缓存行为和大小是可配置的（CACHE_TOOL_CALLS，CONTENT_CACHE）。
  • 可配置访问：工具白名单可以在特定上下文中限制可用工具。
  • 错误处理：强大的错误处理为超出限制或无效工具调用等问题提供明确反馈。

📦 安装

⚠️ 重要提示，请阅读： 当在Cursor或Claude中更新到MCP 思维库的新版本时，可能会创建多个实例，导致额外的Node.js实例被创建，从而降低系统性能——这是一个已知的MCP服务器问题——请杀死系统中的所有mcp-think-tank进程，并检查是否只有一个Node.js实例正在运行。

⚠️ 任务文件tasks.jsonl位于~/.mcp-think-tank/。该文件与kg文件分开，因为思维库可能会因kg文件中先前创建的任务而混淆。如果文件变得太大，或者您想开始一个新的项目并确保文件中没有任务，请删除tasks.jsonl文件的内容。在未来版本中，任务可能会合并到kg文件中，以确保完成的任务和关系被存储在内存中，并且没有重复的任务。

NPX（推荐）

使用MCP 思维库最简单的方法是通过NPX在Cursor中使用mcp.json文件，这样可以运行最新版本而不需全局安装，

npx mcp-think-tank@2.0.7

对于最新版本（可能有兼容性问题）：

npx mcp-think-tank@latest

一些用户在Cursor中使用npx @latest时遇到问题，如果遇到问题，请在.json文件中指定版本mcp-think-tank@2.0.7，或者全局安装：

全局安装

为了持久的命令行工具：

npm install -g mcp-think-tank
mcp-think-tank

⚙️ 配置

MCP 思维库主要通过环境变量或您的MCP客户端配置（如Cursor的.cursor/mcp.json）进行配置。

快速入门：基本设置

  1. 安装MCP 思维库（参见上面的安装部分）。
  2. 获取您的Exa API密钥（用于网络搜索工具）：
    • 在exa.ai注册并复制您的API密钥。
  3. 重要提示：STDIO服务器已弃用 - MCP行业正转向基于HTTP的传输方式，未来更新将不再支持STDIO服务器。
  4. 配置您的MCP服务器（对于Cursor，添加到.cursor/mcp.json）：
{
  "mcpServers": {
    "think-tank": {
      "command": "npx",
      "args": ["-y", "mcp-think-tank@2.0.7"],
      "type": "streamable-http",
      "env": {
        "MEMORY_PATH": "/绝对路径/到您的项目/内存.jsonl",
        "EXA_API_KEY": "您的exa-api-key在这里",
      }
    }
  }
}

必要变量

  • MEMORY_PATH：必需。内存存储文件的绝对路径。重要：始终为每个项目设置唯一的MEMORY_PATH，以避免项目之间的知识图谱冲突。如果省略，默认为~/.mcp-think-tank/memory.jsonl。
  • EXA_API_KEY：必需用于Exa网络搜索工具。来自exa.ai的API密钥。

高级配置

  • TOOL_LIMIT：每个用户交互允许的最大工具调用次数（默认值：25）。计数器在每次新的用户消息时自动重置，确保您可以在单个交互中最多进行25次连续的工具调用。
  • CACHE_TOOL_CALLS：启用/禁用相同工具调用的缓存（默认值：true）。
  • TOOL_CACHE_SIZE：最大缓存工具调用数量（默认值：100）。
  • CACHE_CONTENT：启用/禁用基于内容的文件/URL操作缓存（默认值：true）。
  • CONTENT_CACHE_SIZE：内容缓存中的最大项目数（默认值：50）。
  • CONTENT_CACHE_TTL：缓存内容的生存时间（以毫秒为单位，默认值：300000 - 5分钟）。
  • MCP_DEBUG：启用调试日志（默认值：false）。
  • MCP_LISTEN_PORT：设置MCP服务器的自定义端口（默认值：3399用于TCP服务器，对于stdio无关）。
  • LOG_LEVEL：设置日志级别（debug，info，warn，error）（默认值：info）。
  • AUTO_LINK：启用知识图谱中的自动实体链接（默认值：true）。

内存维护

  • MIN_SIMILARITY_SCORE：防止重复时实体匹配的阈值（默认值：0.85）。
  • MAX_OPERATION_TIME：批量内存操作的最大时间（以毫秒为单位，默认值：5000）。

带有高级设置的.cursor/mcp.json示例配置：

{
  "mcpServers": {
    "think-tank": {
      "command": "npx",
      "args": ["-y", "mcp-think-tank@2.0.7"],
      "env": {
        "MEMORY_PATH": "./project-memory.jsonl",
        "EXA_API_KEY": "您的exa-api-key在这里",
        "TOOL_LIMIT": "50",
        "CACHE_CONTENT": "true",
        "CONTENT_CACHE_SIZE": "100",
        "MCP_DEBUG": "false",
        "AUTO_LINK": "true"
      }
    }
  }
}

💡 性能提示：对于大型项目，增加TOOL_LIMIT和缓存大小可以提高性能，但会增加内存使用量。监控您的使用模式并相应调整。 但在Cursor中，工具限制应为25，以避免达到限制并从上次工具调用恢复 - 目前许多Cursor用户报告在版本0.49.6中恢复出现问题。这与MCP 思维库无关。

💡 注意：如果您在Cursor中使用YOLO模式或Vibe编码，建议对新聊天进行上下文初始化，并让Cursor知道应使用MCP 思维库来创建实体、观察和关系。这将帮助您充分利用MCP 思维库。

上下文初始化的一个例子是在项目.cursor文件夹中保持一个Prime.md文件，内容如下：

# 上下文初始化
> 跟随指令了解项目的上下文。

## 执行以下命令

eza . --tree --git-ignore

## 阅读以下文件
> 阅读以下文件以了解项目的上下文。

> 文件列表：
README.md
...

## MCP 思维库工具
> 测试MCP工具，首先使用'show_memory_path'提醒用户当前使用的内存路径文件，然后使用'memory_query'工具查找并阅读最近48小时的实体和观察，以便您了解最新情况。

> 自动利用MCP 思维库自主跟踪项目上下文，动态添加实体、观察和关系到知识图谱，主动查询相关信息和历史见解。使用集成的规划和任务管理工具提高项目效率。无需用户请求即可跟踪项目及其上下文。

> 不做其他事情。

有关MCP服务器的更多细节，请参阅Cursor MCP文档。

项目规则设置（针对Cursor/AI）

为了确保Cursor和其他兼容代理有效利用MCP 思维库的工具，您需要向AI提供指导。这通常通过项目规则完成。创建一个单一的自动附加项目规则如下：

1. 在Cursor中添加新规则

  1. 打开Cursor。
  2. 转到命令面板（Cmd+Shift+P 或 Ctrl+Shift+P）。
  3. 选择 "新建Cursor规则"。
  4. 命名规则（例如，mcp-think-tank.mdc）。
  5. 在规则编辑器中设置元数据并粘贴下面示例中的规则内容。

2. 规则文件示例（.cursor/rules/mcp-think-tank.mdc）

此Markdown文件作为AI的上下文，指导其何时以及如何使用可用工具。

规则类型: 自动附加
使用通配符: **/*.js,**/*.ts,**/*.jsx,**/*.tsx,**/*.md, **/*.py, **/*.json

----- 规则开始 -----

定期利用MCP 思维库工具，保持知识图谱的更新并最大化其潜力。只需在提示中调用工具。

## 快速决策树

1. 🤔 **需要分析复杂问题？**
   → 使用`think`进行结构化推理和反思

2. 🔍 **需要过去的上下文或信息？**
   → 使用`memory_query`（基于时间）或`search_nodes`（基于关键词）

3. 📊 **规划实施步骤？**
   → 使用`plan_tasks`创建和跟踪工作

4. 🌐