mcp-structured-thinking

结构化思维 MCP 服务器

基于Arben Ademi的顺序思维Python 服务器的 TypeScript 模型上下文协议 (MCP) 服务器。该项目旨在帮助法学硕士 (LLM) 以编程方式构建思维导图，探索思维空间，并强化“元认知”自我反思。

设置

在 Claude Desktop、Cursor 或其他 MCP 客户端中设置工具配置如下：

概述

思想质量分数

当法学硕士 (LLM) 捕捉到一个想法时，它会为这个想法分配一个介于 0 到 1 之间的质量分数。该分数与想法的阶段结合使用，为法学硕士 (LLM) 提供“元认知”反馈，以指导其思维过程。

思维阶段

每个想法都标记一个阶段（例如，问题定义、分析、构思），以帮助管理 LLM 思维过程的生命周期。在当前的实现中，这些阶段发挥着非常重要的作用。实际上，如果 LLM 在某个阶段花费的时间过长，或者当前阶段的想法质量低下，服务器将向 LLM 提供反馈，以“引导”其思维转向其他阶段，或者至少转向当前阶段非典型的思维策略。（例如，在演绎模式下，将鼓励 LLM 思考更具创造性的想法。）

思维分支

LLM 课程可以基于特定思路衍生出多个“分支”，以便并行探索不同的推理思路。每个分支都会单独追踪，方便你管理多个解决方案或想法共存的场景。

内存管理

服务器维护着一个包含法学硕士最近十个想法的“短期”记忆缓冲区，以及一个可以根据标签检索的想法的“长期”记忆，以总结法学硕士对给定主题的思考过程的整个历史。

限制

朴素元认知监控

目前，质量指标和元认知反馈是通过应用于单个自我报告质量分数的基于阶段的乘数机械地得出的。

作为未来工作的一部分，我计划添加更复杂的元认知反馈，包括思想内容的语义分析、思想验证过程以及对推理错误的更智能的监控。

缺乏用户界面

目前，服务器将所有想法存储在内存中，不会将其持久化到文件或数据库中。此外，服务器也没有提供用于查看想法空间或可视化思维导图的用户界面。

作为未来工作的一部分，我计划加入一个简单的可视化客户端，以便用户可以观察思维图的演变。

MCP 工具

该服务器公开以下 MCP 工具：

捕获思想

在思想历史中创建一个思想，并包含有关该思想的类型、质量、内容以及与其他思想的关系的元数据。

参数：

• thought ：当前思考的内容
• thought_number ：序列中的当前位置
• total_thoughts ：预期的想法总数
• next_thought_needed ：是否应该有另一个想法
• stage ：当前思考阶段（例如，“问题定义”，“分析”）
• is_revision （可选）：这是否修改了之前的想法
• revises_thought （可选）：正在修改的想法的数量
• branch_from_thought （可选）：新思路分支的起点
• branch_id （可选）：当前分支的标识符
• needs_more_thoughts （可选）：是否需要更多想法
• score （可选）：质量分数（0.0 到 1.0）
• tags （可选）：思想的类别或标签

修改想法

修改思想历史中的一个思想，并提供有关该思想的类型、质量、内容以及与其他思想的关系的元数据。

参数：

• thought_id ：需要修改的想法的 ID
• 来自capture_thought的参数

检索相关想法

从长期存储中检索与指定想法共享标签的想法。

参数：

• thought_id ：用于检索相关想法的想法的 ID

获取思考摘要

对整个思考过程进行全面的总结。

清晰的思考历史

清除所有记录的想法并重置服务器状态。

执照

麻省理工学院