顺序思维MCP服务器（Python实现）

<p align="left"> <a href="LICENSE"> <img src="https://img.shields.io/badge/License-MIT-yellow.svg" alt="MIT许可"> </a> </p>

这是一个使用官方模型上下文协议（MCP）Python SDK实现的顺序思维MCP服务器。该服务器有助于详细、逐步地解决问题和分析。

特性

• 将复杂问题分解成可管理的步骤
• 随着理解的深入修订和细化思路
• 分支到替代的推理路径
• 动态调整总思考次数
• 生成并验证解决方案假设

使用方法

直接运行

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

开发模式

为了开发和测试，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"
      ]
    }
  }
}

顺序思维工具

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

• thought（字符串）：当前思考步骤
• thoughtNumber（整数）：当前思考编号
• totalThoughts（整数）：预计需要的总思考次数
• nextThoughtNeeded（布尔值）：是否需要另一个思考步骤
• isRevision（布尔值，可选）：是否修订之前的思考
• revisesThought（整数，可选）：正在重新考虑的思考编号
• branchFromThought（整数，可选）：分支点思考编号
• branchId（字符串，可选）：分支标识符
• needsMoreThoughts（布尔值，可选）：是否需要更多的思考

资源

服务器提供了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总结

提示

• thinking_process_guide：使用顺序思考过程的指南

示例用法

# 第一个思考
sequential_thinking(
    thought="首先，我们需要理解问题需求。",
    thoughtNumber=1,
    totalThoughts=5,
    nextThoughtNeeded=True
)

# 第二个思考
sequential_thinking(
    thought="现在，让我们分析关键约束条件。",
    thoughtNumber=2,
    totalThoughts=5,
    nextThoughtNeeded=True
)

# 修订一个思考
sequential_thinking(
    thought="实际上，我们首先需要澄清问题需求。",
    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助手集成

要使用此服务器与支持MCP的Claude或其他AI助手一起工作：

1. 使用MCP CLI在Claude桌面中安装MCP服务器
2. AI然后可以使用sequential_thinking工具来分解复杂的问题

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，应用程序可以通过这种方式向LLMs提供上下文和工具。它允许：

• 资源：向LLM提供上下文数据
• 工具：暴露功能供LLM执行操作
• 提示：定义用于LLM交互的可重用模板

更多详情，请访问 modelcontextprotocol.io

许可证

MIT许可证。详情见LICENSE。