Servidor MCP de pensamiento secuencial
Un servidor de Protocolo de Contexto de Modelo (MCP) que facilita el pensamiento estructurado y progresivo mediante etapas definidas. Esta herramienta ayuda a descomponer problemas complejos en ideas secuenciales, a seguir la progresión del proceso de pensamiento y a generar resúmenes.
Características
- Marco de pensamiento estructurado : organiza los pensamientos a través de etapas cognitivas estándar (definición del problema, investigación, análisis, síntesis, conclusión).
- Seguimiento de pensamientos : registra y gestiona pensamientos secuenciales con metadatos
- Análisis de pensamientos relacionados : identifica conexiones entre pensamientos similares
- Seguimiento del progreso : rastrea su posición en la secuencia general de pensamiento
- Generación de resúmenes : crea descripciones generales concisas de todo el proceso de pensamiento.
- Almacenamiento persistente : guarda automáticamente sus sesiones de pensamiento con seguridad para subprocesos
- Importación/exportación de datos : sesiones de reflexión para compartir y reutilizar
- Arquitectura extensible : personalice y amplíe la funcionalidad fácilmente
- Manejo robusto de errores : manejo elegante de casos extremos y datos corruptos
- Seguridad de tipos : anotaciones y validación de tipos completas
Prerrequisitos
Tecnologías clave
- Pydantic : para validación y serialización de datos
- Portalocker : para acceso seguro a archivos
- FastMCP : para la integración del protocolo de contexto de modelo
- Rico : para una salida de consola mejorada
- PyYAML : para la gestión de la configuración
Estructura del proyecto
mcp-sequential-thinking/
├── mcp_sequential_thinking/
│ ├── server.py # Main server implementation and MCP tools
│ ├── models.py # Data models with Pydantic validation
│ ├── storage.py # Thread-safe persistence layer
│ ├── storage_utils.py # Shared utilities for storage operations
│ ├── analysis.py # Thought analysis and pattern detection
│ ├── testing.py # Test utilities and helper functions
│ ├── utils.py # Common utilities and helper functions
│ ├── logging_conf.py # Centralized logging configuration
│ └── __init__.py # Package initialization
├── tests/
│ ├── test_analysis.py # Tests for analysis functionality
│ ├── test_models.py # Tests for data models
│ ├── test_storage.py # Tests for persistence layer
│ └── __init__.py
├── run_server.py # Server entry point script
├── debug_mcp_connection.py # Utility for debugging connections
├── README.md # Main documentation
├── CHANGELOG.md # Version history and changes
├── example.md # Customization examples
├── LICENSE # MIT License
└── pyproject.toml # Project configuration and dependencies
Inicio rápido
- Configurar proyecto
# Create and activate virtual environment
uv venv
.venv\Scripts\activate # Windows
source .venv/bin/activate # Unix
# Install package and dependencies
uv pip install -e .
# For development with testing tools
uv pip install -e ".[dev]"
# For all optional dependencies
uv pip install -e ".[all]"
- Ejecutar el servidor
# Run directly
uv run -m mcp_sequential_thinking.server
# Or use the installed script
mcp-sequential-thinking
- Ejecutar pruebas
# Run all tests
pytest
# Run with coverage report
pytest --cov=mcp_sequential_thinking
Integración de escritorio de Claude
Agregue a su configuración de Claude Desktop ( %APPDATA%\Claude\claude_desktop_config.json en Windows):
{
"mcpServers": {
"sequential-thinking": {
"command": "uv",
"args": [
"--directory",
"C:\\path\\to\\your\\mcp-sequential-thinking\\run_server.py",
"run",
"server.py"
]
}
}
}
Alternativamente, si ha instalado el paquete con pip install -e . , puede utilizar:
{
"mcpServers": {
"sequential-thinking": {
"command": "mcp-sequential-thinking"
}
}
}
Cómo funciona
El servidor mantiene un historial de pensamientos y los procesa mediante un flujo de trabajo estructurado. Cada pensamiento se valida mediante modelos de Pydantic, se clasifica en etapas de pensamiento y se almacena con los metadatos relevantes en un sistema de almacenamiento seguro para subprocesos. El servidor gestiona automáticamente la persistencia de datos, la creación de copias de seguridad y proporciona herramientas para analizar las relaciones entre los pensamientos.
Guía de uso
El servidor de Pensamiento Secuencial expone tres herramientas principales:
1. process_thought
Registra y analiza un nuevo pensamiento en su proceso de pensamiento secuencial.
Parámetros:
thought (cadena): El contenido de tu pensamientothought_number (entero): Posición en su secuencia (por ejemplo, 1 para el primer pensamiento)total_thoughts (entero): Total de pensamientos esperados en la secuencianext_thought_needed (booleano): si se necesitan más pensamientos después de estestage (cadena): La etapa de pensamiento - debe ser una de las siguientes:- "Definición del problema"
- "Investigación"
- "Análisis"
- "Síntesis"
- "Conclusión"
tags (lista de cadenas, opcional): Palabras clave o categorías para tu pensamientoaxioms_used (lista de cadenas, opcional): Principios o axiomas aplicados en tu pensamientoassumptions_challenged (lista de cadenas, opcional): suposiciones que cuestionan o desafían sus pensamientos
Ejemplo:
# First thought in a 5-thought sequence
process_thought(
thought="The problem of climate change requires analysis of multiple factors including emissions, policy, and technology adoption.",
thought_number=1,
total_thoughts=5,
next_thought_needed=True,
stage="Problem Definition",
tags=["climate", "global policy", "systems thinking"],
axioms_used=["Complex problems require multifaceted solutions"],
assumptions_challenged=["Technology alone can solve climate change"]
)
2. generate_summary
Genera un resumen de todo tu proceso de pensamiento.
Ejemplo de salida:
{
"summary": {
"totalThoughts": 5,
"stages": {
"Problem Definition": 1,
"Research": 1,
"Analysis": 1,
"Synthesis": 1,
"Conclusion": 1
},
"timeline": [
{"number": 1, "stage": "Problem Definition"},
{"number": 2, "stage": "Research"},
{"number": 3, "stage": "Analysis"},
{"number": 4, "stage": "Synthesis"},
{"number": 5, "stage": "Conclusion"}
]
}
}
3. clear_history
Restablece el proceso de pensamiento borrando todos los pensamientos registrados.
Aplicaciones prácticas
- Toma de decisiones : Analice decisiones importantes metódicamente.
- Resolución de problemas : Dividir problemas complejos en componentes manejables
- Planificación de la investigación : Estructure su enfoque de investigación con etapas claras
- Organización de la escritura : Desarrollar ideas progresivamente antes de escribir.
- Análisis de proyectos : evaluar proyectos a través de etapas analíticas definidas
Empezando
Con la configuración correcta de MCP, simplemente usa la herramienta process_thought para comenzar a procesar tus ideas en secuencia. A medida que avances, puedes obtener una visión general con generate_summary y reiniciar cuando sea necesario con clear_history .
Personalización del servidor de pensamiento secuencial
Para ver ejemplos detallados sobre cómo personalizar y ampliar el servidor de Pensamiento Secuencial, consulte example.md . Incluye ejemplos de código para:
- Modificar las etapas del pensamiento
- Mejorando las estructuras de datos de pensamiento con Pydantic
- Añadiendo persistencia a las bases de datos
- Implementando análisis mejorado con PNL
- Creación de indicaciones personalizadas
- Configuración de configuraciones avanzadas
- Creación de integraciones de interfaz de usuario web
- Implementación de herramientas de visualización
- Conexión a servicios externos
- Creación de entornos colaborativos
- Separación del código de prueba
- Construyendo servicios públicos reutilizables
Licencia
Licencia MIT