Grupo de expertos del MCP

Descripción general

MCP Think Tank proporciona a Cursor y Claude @Web un entorno sofisticado para mejorar las capacidades de razonamiento. Ahora incluye procesos avanzados de Pensamiento Secuencial y Razonamiento Encadenado , un robusto sistema de Memoria de Grafos de Conocimiento con control de versiones y una Orquestación de Herramientas inteligente con Protección de Límite de Llamadas .

Esta plataforma permite a los asistentes de IA abordar problemas complejos a través de un razonamiento estructurado de varios pasos, mantener un conocimiento persistente en todas las conversaciones y utilizar capacidades de investigación web y gestión de tareas, todo ello mientras se garantiza un uso responsable y eficiente de las herramientas mediante protecciones integradas.

🎯 Filosofía

El Think Tank del MCP se basa en tres principios fundamentales:

Simplicidad elegante : Creemos en el poder de las herramientas mínimas y bien diseñadas que funcionan con las capacidades naturales de Claude en lugar de intentar replicarlas o anularlas.
Reflexión mejorada : al brindar una guía amable en lugar de una estructura rígida, permitimos un mejor razonamiento y autorreflexión sin restringir el proceso de pensamiento de Claude.
Contexto persistente : el gráfico de conocimiento proporciona memoria entre conversaciones manteniendo la simplicidad tanto en el almacenamiento como en la recuperación.

🧠 El poder del pensamiento estructurado

La herramienta de pensamiento proporciona un espacio dedicado al razonamiento sistemático, fomentando:

Definición clara del problema
Recopilación del contexto relevante
Análisis paso a paso
Autorreflexión sobre el razonamiento
Conclusiones bien formadas

Estudios recientes muestran mejoras significativas al utilizar el pensamiento estructurado:

54% de mejora relativa en tareas de toma de decisiones complejas
Mayor consistencia en múltiples ensayos
Rendimiento mejorado en los puntos de referencia de ingeniería de software

🚀 Características principales

💭 Think Tool : Espacio dedicado al razonamiento estructurado y la autorreflexión
🧩 Knowledge Graph : memoria persistente simple pero efectiva
📝 Herramientas de gestión de tareas : planifique, realice un seguimiento y actualice tareas con integración completa de gráficos de conocimiento
🌐 Herramientas de investigación web (Exa) : Busque en la web y obtenga respuestas basadas en fuentes utilizando la API de Exa
🔍 Herramientas de memoria : herramientas fáciles de usar para almacenar y recuperar información
🤝 Soporte al cliente : Integración perfecta con Cursor, Claude @Web y otros clientes MCP
🔒 Orquestación de herramientas y límites de llamadas : protecciones integradas para evitar el uso excesivo de herramientas con límites configurables
⚡ Almacenamiento en caché de contenido : optimización del rendimiento para operaciones de archivos y URL con detección automática de duplicados
🔄 Pensamiento secuencial : Procesos de razonamiento de múltiples pasos con seguimiento del progreso y conocimiento del plan.
🔎 Autorreflexión : Reflexión automatizada sobre el razonamiento para mejorar la calidad de los resultados
📊 Salidas estructuradas : formato automático de los procesos de pensamiento para una mejor legibilidad
🔗 Integración de la investigación : incorporación perfecta de la investigación web en los flujos de razonamiento

Pensamiento secuencial y razonamiento encadenado

La última versión introduce potentes capacidades de razonamiento de múltiples pasos:

Planificación paso a paso : divida los problemas complejos en pasos secuenciales manejables
Seguimiento del progreso : supervise el progreso mediante un razonamiento de varios pasos con contadores de pasos.
Autorreflexión : evalúa automáticamente la calidad del razonamiento con pases de reflexión opcionales
Integración de la investigación : incorpore la investigación web sin problemas dentro de las cadenas de razonamiento
Formato estructurado : genere razonamientos en formatos limpios y organizados para una mejor comprensión.

Memoria de gráficos de conocimiento mejorada

El sistema de gráficos de conocimiento se ha mejorado significativamente:

Observaciones con marca de tiempo : todas las entradas de memoria ahora incluyen metadatos para un mejor seguimiento
Prevención de duplicados : coincidencia inteligente de entidades para evitar entradas redundantes
Vinculación automática : creación de relaciones basadas en heurísticas entre entidades relacionadas
Consulta avanzada : filtre la memoria por tiempo, etiquetas, palabras clave y más
Mantenimiento de la memoria : herramientas para podar y gestionar el crecimiento de la memoria a lo largo del tiempo

Orquestación de herramientas y salvaguardias

Las nuevas funciones de gestión inteligente de herramientas garantizan un uso responsable y eficiente de las mismas:

Límites de uso : límites configurables en las llamadas a herramientas (valor predeterminado: 25) para evitar el uso descontrolado
Almacenamiento en caché de llamadas : detección automática y reutilización de llamadas de herramientas duplicadas para mayor eficiencia
Almacenamiento en caché de contenido : almacenamiento en caché basado en SHA-1 para operaciones de archivos y URL para reducir lecturas redundantes
Degradación elegante : manejo limpio de errores de límite con resultados parciales devueltos
Lista blanca de herramientas : restricciones configurables sobre qué herramientas se pueden usar en contextos específicos

📦 Instalación

⚠️ Importante: MCP Think Tank requiere un servidor preconfigurado. El paquete se compila automáticamente antes de su publicación, por lo que los usuarios no necesitan realizar ningún paso adicional. ¡Solo instálalo y ejecútalo!

NPX (Recomendado)

La forma más sencilla de utilizar MCP Think Tank es a través de NPX:

npx mcp-think-tank@latest

Instalación global

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

⚙️ Configuración

Inicio rápido: configuración esencial

Instalar MCP Think Tank (ver Instalación arriba)
Obtenga su clave API de Exa (necesaria para la búsqueda web):
- Regístrese en exa.ai y copie su clave API.
Configure su servidor MCP (para Cursor, agréguelo a .cursor/mcp.json ):

{
  "mcpServers": {
    "think-tool": {
      "command": "npx",
      "args": ["-y", "mcp-think-tank"],
      "type": "stdio",
      "env": {
        "MEMORY_PATH": "/absolute/path/to/your/memory.jsonl",
        "EXA_API_KEY": "your-exa-api-key-here"
      }
    }
  }
}

⚠️ Importante: ¡Establezca siempre un MEMORY_PATH único para cada proyecto!
Usar la ruta de memoria predeterminada (centralizada) puede causar conflictos en los gráficos de conocimiento entre proyectos. Para obtener mejores resultados y mantener las memorias de sus proyectos aisladas, especifique una MEMORY_PATH personalizada en su configuración para cada proyecto. Si se omite, el valor predeterminado es ~/.mcp-think-tank/memory.jsonl .

Variables de entorno

Variables esenciales

MEMORY_PATH : Ruta al archivo de almacenamiento de memoria (predeterminado: ~/.mcp-think-tank/memory.jsonl )
EXA_API_KEY ( necesaria para la búsqueda web de Exa ): habilita las herramientas exa_search y exa_answer

Configuración avanzada

MCP_DEBUG : Habilitar el registro de depuración (valor predeterminado: false )
MCP_LISTEN_PORT : Establece un puerto personalizado para el servidor MCP (valor predeterminado: 3399 )
LOG_LEVEL : establece el nivel de registro ( debug , info , warn , error ) (predeterminado: info )
AUTO_LINK : Habilita la vinculación automática de entidades en el gráfico de conocimiento (valor predeterminado: true )

Nuevas configuraciones de orquestación y almacenamiento en caché de herramientas

TOOL_LIMIT : Número máximo de llamadas a herramientas por sesión (valor predeterminado: 25 )
CACHE_TOOL_CALLS : Habilitar o deshabilitar el almacenamiento en caché de llamadas a herramientas duplicadas (valor predeterminado: true )
TOOL_CACHE_SIZE : Número máximo de llamadas a herramientas almacenadas en caché (valor predeterminado: 100 )
CACHE_CONTENT : Habilitar o deshabilitar el almacenamiento en caché basado en contenido para operaciones de archivos/URL (valor predeterminado: true )
CONTENT_CACHE_SIZE : Número máximo de elementos en la caché de contenido (valor predeterminado: 50 )
CONTENT_CACHE_TTL : Tiempo de vida del contenido almacenado en caché en milisegundos (valor predeterminado: 300000 - 5 minutos)

Mantenimiento de la memoria

MIN_SIMILARITY_SCORE : Umbral para la coincidencia de entidades (valor predeterminado: 0.85 )
MAX_OPERATION_TIME : Tiempo máximo para operaciones por lotes en milisegundos (valor predeterminado: 5000 )

Ejemplo de configuración con ajustes avanzados:

{
  "mcpServers": {
    "think-tool": {
      "command": "npx",
      "args": ["-y", "mcp-think-tank"],
      "type": "stdio",
      "env": {
        "MEMORY_PATH": "./project-memory.jsonl",
        "EXA_API_KEY": "your-exa-api-key-here",
        "TOOL_LIMIT": "50",
        "CACHE_CONTENT": "true",
        "CONTENT_CACHE_SIZE": "100",
        "MCP_DEBUG": "false",
        "AUTO_LINK": "true"
      }
    }
  }
}

Consejo de rendimiento: En proyectos grandes, aumentar TOOL_LIMIT y el tamaño de la caché puede mejorar el rendimiento, pero a costa de un mayor uso de memoria. Monitorea tus patrones de uso y ajústalos según corresponda.

Para obtener más detalles sobre los servidores MCP, consulte la documentación de Cursor MCP .

Explotación florestal

MCP Think Tank utiliza un enfoque de registro mínimo y estable diseñado para FastMCP y las mejores prácticas de producción:

Los registros se escriben en un solo archivo en ~/.mcp-think-tank/logs/mcp-think-tank.log .
Antes de cada escritura de registro, se comprueba el tamaño del archivo. Si supera los 10 MB, se renombra el archivo de registro con una marca de tiempo y se crea uno nuevo.
Sólo se utilizan los módulos integrados de Node.js para el registro.
El registro de depuración se puede habilitar configurando la variable de entorno MCP_DEBUG=true .
El registro de archivos se puede deshabilitar configurando MCP_LOG_FILE=false .

Este enfoque tiene como objetivo mantener el foco en las herramientas principales del servidor MCP y evitar una complejidad innecesaria.

📝 MCP Think Tank: Configuración de las reglas del proyecto

Para garantizar que Cursor y todos los agentes utilicen todas las capacidades de MCP Think Tank, cree una única regla de proyecto siempre activa de la siguiente manera:

Se requiere una clave API de búsqueda web de Exa

Nota: Para usar las herramientas de búsqueda web basadas en Exa ( exa_search , exa_answer ), debe proporcionar una clave API de Exa. Sin ella, la búsqueda web no funcionará.
Obtén tu clave API: Regístrate y obtén una clave API en exa.ai .
Establezca la clave en la configuración de su servidor MCP: agregue EXA_API_KEY a la sección env de la configuración de su servidor MCP. Ejemplo para .cursor/mcp.json :
{ "mcpServers": { "think-tool": { "command": "npx", "args": ["-y", "mcp-think-tank"], "type": "stdio", "env": { "MEMORY_PATH": "/absolute/path/to/your/memory.jsonl", "EXA_API_KEY": "your-exa-api-key-here" } } } }
Para obtener más detalles, consulte la documentación de exa.ai y Cursor MCP .

1. Agregar una nueva regla en el cursor

Cursor abierto.
Vaya a la paleta de comandos ( Cmd+Shift+P o Ctrl+Shift+P ).
Seleccione "Nueva regla de cursor" .
Nombra la regla (por ejemplo, mcp-think-tank.mdc ).
En el editor de reglas, configure los metadatos como se muestra a continuación y pegue el contenido de la regla.

2. Archivo de reglas de ejemplo ( `.cursor/rules/mcp-think-tank.mdc` )

---
rule type: auto attach
use globs: **/*.js,**/*.ts,**/*.jsx,**/*.tsx,**/*.md,**/*.py,**/*.json
---

# MCP Think Tank Tools Guide

MCP Think Tank extends AI with structured reasoning, knowledge graph memory, task management, and web research capabilities. This rule helps determine when each tool is most appropriate.

## Tool Selection Guide

### 1. Thinking Tools (Structured Reasoning)

Use `think` for:
- Complex technical decisions requiring systematic analysis
- Architecture planning and design considerations
- Step-by-step problem-solving with self-reflection
- When analysis should be saved for future reference

```javascript
// Complex architecture decision with memory storage
mcp_think-tool_think({
  structuredReasoning: "Analyzing database options for our user management system...",
  category: "architecture",
  storeInMemory: true
})

2. Gráfico de memoria y conocimiento

Úselo cuando se deba preservar la información en todas las conversaciones:

Herramienta	Cuándo utilizarlo
`upsert_entities`	Documente conceptos o componentes importantes o actualice entidades existentes con el indicador de actualización
`add_observations`	Añadir nuevos hechos a entidades existentes
`create_relations`	Conectar conceptos relacionados
`search_nodes`	Encuentre conocimientos relevantes antes de resolver problemas
`open_nodes`	Recuperar detalles específicos de la entidad

// Documenting architectural components
mcp_think-tool_upsert_entities({
  entities: [
    {name: "AuthService", entityType: "System", observations: ["Handles authentication"]}
  ]
})

3. Gestión de tareas

Úselo para la planificación y seguimiento de proyectos:

plan_tasks : Al inicio del proyecto o al planificar funciones
list_tasks : Para comprender el estado actual del trabajo
next_task : Cuando esté listo para trabajar en la siguiente prioridad
complete_task : Cuando una tarea está terminada
update_tasks : Cuando cambian las prioridades

4. Investigación web (Exa)

Úselo cuando el contexto actual sea insuficiente:

exa_search : Para encontrar información actualizada en la web
exa_answer : Para preguntas fácticas que requieren fuentes citadas

// Research current best practices
mcp_think-tool_exa_search({
  query: "latest React state management libraries 2025",
  num_results: 5
})

Mejores prácticas de integración

Comience a razonar de manera compleja con la herramienta think
Guardar conclusiones importantes en el gráfico de conocimiento
Crear tareas basadas en conclusiones cuando sea apropiado
Utilice herramientas de investigación para llenar los vacíos de conocimiento
Registrar los resultados de la investigación en un gráfico de conocimiento

Consideraciones de rendimiento

Las llamadas a herramientas están limitadas a 25 por sesión (configurable)
El almacenamiento en caché de contenido mejora el rendimiento de las operaciones repetidas de archivos/URL
Evite llamadas de herramientas redundantes para un rendimiento óptimo

### 2. Memory & Knowledge Graph

Use when information should be preserved across conversations:

| Tool | When to Use |
|------|-------------|
| `upsert_entities` | Document important concepts or components or update existing entities with the update flag |
| `add_observations` | Add new facts to existing entities |
| `create_relations` | Connect related concepts |
| `search_nodes` | Find relevant knowledge before solving problems |
| `open_nodes` | Retrieve specific entity details |

```javascript
// Documenting architectural components
mcp_think-tool_upsert_entities({
  entities: [
    {name: "AuthService", entityType: "System", observations: ["Handles authentication"]}
  ]
})

3. Gestión de tareas

Úselo para la planificación y seguimiento de proyectos:

plan_tasks : Al inicio del proyecto o al planificar funciones
list_tasks : Para comprender el estado actual del trabajo
next_task : Cuando esté listo para trabajar en la siguiente prioridad
complete_task : Cuando una tarea está terminada
update_tasks : Cuando cambian las prioridades

4. Investigación web (Exa)

Úselo cuando el contexto actual sea insuficiente:

exa_search : Para encontrar información actualizada en la web
exa_answer : Para preguntas fácticas que requieren fuentes citadas

// Research current best practices
mcp_think-tool_exa_search({
  query: "latest React state management libraries 2025",
  num_results: 5
})

Mejores prácticas de integración

Comience a razonar de manera compleja con la herramienta think
Guardar conclusiones importantes en el gráfico de conocimiento
Crear tareas basadas en conclusiones cuando sea apropiado
Utilice herramientas de investigación para llenar los vacíos de conocimiento
Registrar los resultados de la investigación en un gráfico de conocimiento

Consideraciones de rendimiento

Las llamadas a herramientas están limitadas a 25 por sesión (configurable)
El almacenamiento en caché de contenido mejora el rendimiento de las operaciones repetidas de archivos/URL
Evite llamadas de herramientas redundantes para un rendimiento óptimo

## 📝 How To Save Important Thoughts

When using the `think` tool with important reasoning, you have several options to enhance and persist your thought processes:

### Saving Thoughts to Memory

Simply tell the agent "Please save this reasoning in memory for future reference" and the tool will automatically save the reasoning in the knowledge graph with `storeInMemory: true`.

### Multi-Step Reasoning

For complex problems that require sequential thinking:
1. Break down your reasoning into logical steps
2. Use the step counter parameters (`plannedSteps` and `currentStep`) to track progress
3. The system will maintain continuity across multiple reasoning steps
4. Each step is saved with appropriate metadata when stored in memory

Example request: "Let's analyze this architecture decision in 4 steps. This is step 1 focusing on requirements. Please save this in memory."

### Self-Reflection Enhancement

Improve the quality of your reasoning with automated self-reflection:
1. Request self-reflection by saying "Please analyze this reasoning and provide a reflection on potential improvements"
2. The system will evaluate your reasoning for logical gaps, overlooked factors, and potential improvements
3. Both the original reasoning and reflection are stored together in memory
4. Use custom reflection prompts for targeted improvement in specific areas

Example request: "Please reflect on this architecture decision with a focus on security considerations I might have missed, and save the analysis to memory."

### Research Integration

Seamlessly incorporate web research into your reasoning process:
1. Include research queries in your thinking with `[research: your query]` syntax
2. Request initial research with "Before analyzing this problem, please research the latest approaches to X"
3. All research results are automatically formatted with source citations
4. Research sources are added as relations in the knowledge graph

Example request: "I need to understand [research: latest React state management approaches 2023] before making this architecture decision. Please save this analysis in memory."

## 🧠 Think Tank Instructions

This section provides detailed, actionable guidance for using MCP Think Tank within Cursor AI IDE (or any MCP-compliant agent), with a focus on coding and large project development. The tools are grouped into four main categories:

### 1. Think Tools (Structured Reasoning)
- Use the `think` tool for all complex decisions, architecture planning, and problem-solving.
- Always provide clear, step-by-step reasoning and relevant context.
- **To persist your reasoning for future reference, set `storeInMemory: true` in your tool call.**
  - Example: When you want your analysis or decision to be available across sessions or for team traceability.
- If you do not set `storeInMemory: true`, your reasoning will be processed but not saved in the knowledge graph.
- Agents (like Cursor or Claude) can be prompted to "save this reasoning in memory" to ensure persistence.
- You can later retrieve saved thoughts using the `search_nodes` or `open_nodes` tools.

#### How `storeInMemory` Works
- The `think` tool accepts a `storeInMemory` parameter (default: false).
- When `storeInMemory: true`, your structured reasoning, context, and tags are saved as an entity in the knowledge graph.
- This enables robust project memory, traceability, and continuity.
- Example tool call:
  ```json
  {
    "tool": "think",
    "parameters": {
      "structuredReasoning": "Analyzed the pros and cons of REST vs GraphQL for our new API. Decided REST is simpler for our use case.",
      "context": "API design meeting 2024-07-10",
      "category": "architecture",
      "tags": ["api", "meeting"],
      "storeInMemory": true
    }
  }

Para recuperar pensamientos guardados, utilice:
- search_nodes (por palabra clave, etiqueta o contexto)
- open_nodes (por nombre de entidad)

Razonamiento de varios pasos con contadores de pasos

Para procesos de pensamiento complejos que abarcan múltiples pasos, utilice los parámetros del contador de pasos:
- plannedSteps : Número total de pasos que planea completar (por ejemplo, 5)
- currentStep : El número del paso actual en el que se encuentra (por ejemplo, 2)
El sistema hará un seguimiento de su progreso a través del proceso de razonamiento de varios pasos.
Cada paso se guardará con los metadatos apropiados al usar storeInMemory: true
Ejemplo de llamada a herramienta:
{ "tool": "think", "parameters": { "structuredReasoning": "Step 2 analysis of database schema options...", "plannedSteps": 5, "currentStep": 2, "storeInMemory": true } }
Esto es especialmente útil para dividir problemas complejos en etapas manejables y realizar un seguimiento del progreso.

Autorreflexión para un razonamiento mejorado

Utilice la función de autorreflexión para criticar automáticamente su razonamiento e identificar posibles mejoras.
Establezca selfReflect: true en los parámetros de su herramienta de pensamiento para habilitar esta función
Opcionalmente, puede proporcionar un mensaje de reflexión personalizado con reflectPrompt
La autorreflexión ayuda a identificar:
- Posibles falacias lógicas o inconsistencias en el razonamiento
- Factores o consideraciones pasados por alto
- Supuestos que pueden necesitar validación
- Áreas en las que se podría fortalecer el razonamiento
Ejemplo de llamada a herramienta con autorreflexión:
{ "tool": "think", "parameters": { "structuredReasoning": "My analysis of the authentication system...", "selfReflect": true, "reflectPrompt": "Evaluate my reasoning for security considerations I might have missed", "storeInMemory": true } }
La reflexión se agrega a su razonamiento original y se guarda junto al usar storeInMemory: true

Integración de investigación en línea

Habilite la investigación de razonamiento intermedio configurando allowResearch: true en los parámetros de su herramienta de pensamiento
Inserte consultas de investigación directamente en su razonamiento utilizando el formato: [research: your search query]
El sistema automáticamente:
- Detectar y procesar estas solicitudes de investigación
- Reemplace los marcadores con resultados de investigación formateados
- Incluir citas de fuentes para cada resultado
También puede establecer un parámetro researchQuery inicial para una investigación preliminar antes de que comience su razonamiento.
Ejemplo de llamada a herramienta con investigación:
{ "tool": "think", "parameters": { "structuredReasoning": "I need to understand the latest advancements in [research: quantum error correction 2023] before designing our system.", "allowResearch": true, "storeInMemory": true } }
Se pueden incluir múltiples solicitudes de investigación en un solo paso de razonamiento
Todos los resultados y fuentes de la investigación se almacenan con su razonamiento al usar storeInMemory: true
Las fuentes de investigación se agregan como relaciones en el gráfico de conocimiento para la trazabilidad

Formato de Markdown estructurado

La herramienta Think formatea automáticamente la salida como Markdown estructurado para mejorar la legibilidad.
Tipos de formato disponibles:
- general : Razonamiento genérico con secciones de introducción, análisis y conclusión
- problem : Formato de resolución de problemas con secciones de definición, análisis y solución del problema.
- comparison : formato de análisis comparativo que conserva tablas y resalta opciones
Controle el formato con estos parámetros:
- formatOutput: true/false - Habilitar o deshabilitar el formato (predeterminado: verdadero)
- formatType: 'auto'/'general'/'problem'/'comparison' - Seleccione el tipo de formato (predeterminado: auto)
Cuando formatType es 'auto', el sistema analiza su contenido para determinar el formato más apropiado
Ejemplo de llamada a herramienta con formato específico:
{ "tool": "think", "parameters": { "structuredReasoning": "My analysis comparing different database options...", "formatType": "comparison", "storeInMemory": true } }
La salida formateada incluye:
- Borrar encabezados de sección
- Sección de metadatos con contexto y categoría
- Sección de características que muestra las capacidades habilitadas (reflexión, investigación)
- Contenido adecuadamente estructurado según el tipo de formato
Este formato mejora tanto la legibilidad humana como el análisis automático del razonamiento.

⚠️ Importante: El parámetro storeInMemory no es utilizado activamente por el usuario, el usuario simplemente escribe "Guarde este razonamiento en la memoria para referencia futura" y la herramienta guardará el razonamiento en el gráfico de conocimiento.

2. Herramientas de investigación

Utilice exa_search para búsquedas web y exa_answer para respuestas con fuentes.
Cite siempre las fuentes y, cuando sea pertinente, resuma los hallazgos en la memoria utilizando add_observations o guardando una entrada think .
Las herramientas de investigación requieren una EXA_API_KEY válida en la configuración de su servidor MCP.
Integre los resultados de la investigación en su código y razonamiento para obtener soluciones sólidas y actualizadas.
Incluye manejo inteligente de errores para respuestas que no sean JSON y almacenamiento en caché de contenido para un mejor rendimiento.

3. Herramientas del Administrador de tareas

Utilice plan_tasks para crear y organizar tareas del proyecto.
Utilice list_tasks , next_task , complete_task y update_tasks para administrar su flujo de trabajo.
Todas las tareas están sincronizadas con el gráfico de conocimiento, lo que permite una gestión de proyectos persistente y consultable.
Para proyectos grandes, aproveche las dependencias y prioridades de las tareas para mantener la claridad y el impulso.

4. Herramientas de memoria

Utilice upsert_entities , add_observations , create_relations y herramientas relacionadas para crear y mantener el gráfico de conocimiento de su proyecto.
Almacene decisiones clave, patrones reutilizables y opciones arquitectónicas para referencia futura.
Antes de comenzar un nuevo trabajo, busque en la memoria conocimientos previos relevantes para evitar la duplicación y aprovechar los conocimientos pasados.
Las operaciones de archivos y URL se benefician del almacenamiento en caché basado en contenido para un mejor rendimiento.

⚡ Optimización del rendimiento

MCP Think Tank incluye optimizaciones de rendimiento integradas:

Almacenamiento en caché de contenido

Almacenamiento en caché automático de contenido de archivos y URL basado en hash criptográfico
Evita lecturas de archivos redundantes y solicitudes de red
En las pruebas, las recuperaciones de URL en caché fueron 1000 veces más rápidas que la recuperación inicial.
Las lecturas de archivos mostraron mejoras significativas con una aceleración de 2 a 5 veces en lecturas posteriores
El tamaño de caché y TTL se pueden configurar mediante variables de entorno

Optimización de llamadas a herramientas

Las llamadas a herramientas idénticas se almacenan en caché automáticamente para evitar que se cuenten duplicados en su límite
El manejo inteligente de errores, especialmente para la búsqueda Exa, evita fallas en respuestas que no sean JSON
Las protecciones de límite de herramientas evitan el uso descontrolado de las herramientas y al mismo tiempo proporcionan una degradación elegante

🛡️ Orquestación de herramientas y salvaguardas

MCP Think Tank v2.0.2 incluye funciones integrales de gestión de herramientas para garantizar un uso responsable y eficiente:

Límites de uso y monitoreo

Límite predeterminado : 25 llamadas de herramientas por sesión (configurable mediante la variable de entorno TOOL_LIMIT )
Seguimiento automático : todas las llamadas a herramientas se registran con marcas de tiempo, identificaciones de agente y parámetros.
Degradación elegante : cuando se alcanzan los límites, el sistema devuelve resultados parciales en lugar de fallar por completo.
Seguimiento de estado : las llamadas a herramientas que exceden los límites se etiquetan con el estado HALTED_LIMIT

Almacenamiento en caché inteligente

Detección de duplicados : las llamadas a herramientas idénticas se detectan y se sirven automáticamente desde la caché
Hashing de contenido : las operaciones de archivos y URL utilizan hash SHA-1 para identificar contenido sin cambios
Almacenamiento en caché configurable : habilite o deshabilite el comportamiento del almacenamiento en caché a través de variables de entorno
Estadísticas de caché : supervise las tasas de aciertos y errores de caché para analizar el rendimiento

Control de acceso a herramientas

Listas blancas configurables : restrinja qué herramientas se pueden usar en contextos específicos
Errores de permisos : Borrar mensajes de error cuando se solicitan herramientas no permitidas
Estrategias de orquestación : Múltiples estrategias de coordinación para ejecución secuencial o paralela
Aislamiento de agentes : se rastrea el uso de herramientas por agente para evitar la contaminación cruzada

Implementación

Las protecciones se implementan a través de un ToolManager dedicado que envuelve todas las llamadas de herramientas:

Los contadores atómicos garantizan un seguimiento preciso incluso en entornos concurrentes
La caché LRU evita operaciones redundantes al tiempo que mantiene la eficiencia de la memoria
El manejo integral de errores proporciona retroalimentación significativa en lugar de fallas crípticas
Todos los límites y el comportamiento del almacenamiento en caché son configurables sin cambios en el código

🔒 Nota de seguridad: El sistema de orquestación de herramientas garantiza que incluso si un mensaje intenta forzar el uso excesivo de la herramienta, se limitará elegantemente de acuerdo con su configuración.

Mejores prácticas para Cursor/Claude y proyectos grandes:

Utilice la herramienta think generosamente para todo razonamiento no trivial y persista siempre en los pensamientos importantes.
Integre la investigación y la gestión de tareas en su flujo de trabajo de codificación para un desarrollo de proyectos sin inconvenientes.
Revise y actualice periódicamente su gráfico de conocimiento para mantener la memoria del proyecto relevante y procesable.
Hacer referencia y desarrollar decisiones y patrones anteriores para lograr un código consistente y de alta calidad.
Tenga en cuenta los límites de las herramientas en flujos de trabajo complejos y utilice las utilidades de estadísticas de caché para monitorear el uso.

Mantenga esta sección actualizada a medida que se agreguen nuevas herramientas o flujos de trabajo.

3. Enlaces de referencia

🤝 Contribuyendo

¡Agradecemos sus contribuciones! No dude en enviar una solicitud de incorporación de cambios.

Bifurcar el repositorio
Crea tu rama de funciones ( git checkout -b feature/amazing-feature )
Confirme sus cambios ( git commit -m 'Add some amazing feature' )
Empujar a la rama ( git push origin feature/amazing-feature )
Abrir una solicitud de extracción

📄 Licencia

Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.

Integrations