MCPシンクタンク

概要

MCP Think Tankは、 CursorやClaude @WebなどのAIアシスタントの機能を強化するために設計された強力なモデルコンテキストプロトコル（MCP）サーバーです。推論能力の向上、永続的な記憶、そして責任あるツールの使用のための構造化された環境を提供します。

主な機能には、高度なシーケンシャルシンキングと連鎖推論、バージョン管理機能を備えた堅牢なナレッジグラフメモリシステム、呼び出し制限保護機能を備えたインテリジェントなツールオーケストレーションなどがあります。このプラットフォームは、AIが構造化された分析を通じて複雑な問題に取り組み、セッション間で知識を維持し、ウェブ検索などの外部リソースを活用できるようにします。これらはすべて、設定可能な使用制限を遵守しながら行われます。

🎯 哲学

MCP Think Tank は、次の 3 つの基本原則に基づいて構築されています。

エレガントなシンプルさ: AI 機能を複製するのではなく、AI 機能を補完する、最小限かつ適切に設計されたツール。
強化された反省: 優しいガイダンスにより、厳格な制約なしに、より優れた推論と自己反省が促進されます。
永続的なコンテキスト: シンプルでありながら効果的なナレッジグラフにより、会話全体にわたってメモリが提供されます。

主な特徴

💭思考ツール: 構造化された推論と自己反省のための専用スペース。
🧩ナレッジグラフ: シンプルで効果的な永続メモリシステム。
📝タスク管理ツール: ナレッジグラフと統合されたタスクを計画、追跡、更新します。
🌐 Web リサーチツール (Exa) : Exa API を使用して Web を検索し、ソースに基づいた回答を取得します。
🔍メモリツール: ナレッジグラフから情報を保存および取得するための使いやすいツール。
🤝クライアントサポート: Cursor、Claude @Web、その他の MCP クライアントとのシームレスな統合。
🛡️ツールオーケストレーションと呼び出し制限: 設定可能な制限により、ツールを効率的かつ責任を持って使用するための安全策が組み込まれています。
⚡コンテンツキャッシュ: 重複の自動検出により、ファイルおよび URL 操作のパフォーマンスが最適化されます。
🔄順次思考：進捗状況を追跡しながら、複数ステップの推論プロセスを可能にします。
🔎自己反省：自動反省パスにより推論の質が向上します。
📊構造化された出力: 思考プロセスを自動的にフォーマットして読みやすさを向上させます。
🔗リサーチ統合：Web リサーチの結果を推論フローにシームレスに組み込みます。

構造化思考の利点

thinkツールを活用することで、体系的な推論のための専用スペースが提供され、次のことが促進されます。

明確な問題定義
関連するコンテキストの収集
ステップバイステップの分析
推論に関する自己反省
よく形成された結論

最近の研究では、構造化された思考を使用すると大幅な改善が見られることが示されています。

複雑な意思決定タスクにおける相対的改善が 54% 向上しました。
複数の試験にわたる一貫性が向上しました。
ソフトウェアエンジニアリングベンチマークのパフォーマンスが向上しました。

詳細な機能

MCP Think Tank は、コアリストを超えて、高度な AI インタラクションを実現する洗練された機能を提供します。

構造化思考（思考ツール）

thinkツールは、高度なAI推論を可能にする中核的なメカニズムです。AIが問題を体系的に分解し、文脈を収集し、選択肢を分析し、自己反省を行うための専用の構造化された環境を提供します。これにより、非構造化応答と比較して、より深い分析とより高品質な出力が促進されます。思考ツールはシーケンシャルなステップをサポートし、リサーチツールやメモリツールとシームレスに統合されます。

自己反省機能

think ツールにはselfReflect: trueパラメータで有効にできる強力な自己反省機能が含まれています。

mcp_think-tool_think({
  structuredReasoning: "...",
  selfReflect: true,
  reflectPrompt: "Optional custom reflection prompt"
})

自己反省機能を有効にすると、AIは自身の推論を振り返るためのプロンプトを受け取ります。これは、AIの機能を置き換えるのではなく強化するというMCPの設計理念に基づいています。

reflectPromptパラメータを使用すると、リフレクションに使用するプロンプトをカスタマイズし、特定の推論タスクまたはドメインに合わせて調整できます。指定しない場合は、矛盾点、論理エラー、改善提案の特定を求めるデフォルトのプロンプトが使用されます。

ナレッジグラフメモリ

ナレッジグラフは、様々なインタラクションやセッションにわたって永続的なメモリを提供します。これにより、AIはプロジェクト、その構成要素、そして関連する概念に対する理解を深めることができます。

タイムスタンプ付きの観察: すべてのメモリエントリには追跡用のメタデータが含まれます。
重複防止: インテリジェントなエンティティマッチングにより、重複したエントリを回避します。
自動リンク: ヒューリスティックベースの関係作成により、関連する概念が接続されます (構成可能)。
高度なクエリ：強力なmemory_queryツールを使って、時間、タグ、キーワードなどでメモリをフィルタリングし、履歴分析や概念の進化を追跡できます。過去48時間または特定の期間の最新のエントリを簡単に見つけることができます。
メモリメンテナンス: メモリの増加を削減および管理するためのツールが含まれています。
主要なメモリツール: upsert_entities 、 add_observations 、 create_relations 、 search_nodes 、 memory_query 、 open_nodesなどのツールは、グラフを操作するために使用されます。

タスク管理ツール

一連のツールにより、AIは会話フロー内で直接プロジェクトタスクを管理できます。これにより、計画と実行がナレッジグラフと統合され、AIはプロジェクトのステータスと優先順位を把握できるようになります。

主要なタスクツール

plan_tasks : 優先順位と依存関係を指定して複数のタスクを一度に作成する
list_tasks : ステータスと優先度でタスクをフィルタリングする
next_task : 最も優先度の高いタスクを取得し、進行中としてマークします。
complete_task : タスクを完了としてマークする
update_tasks : 既存のタスクを新しい情報で更新する

ウェブリサーチツール（Exa）

MCP Think Tankは、Exa APIを活用し、外部情報を取得するためのツールを提供しています。これにより、AIはWebから最新の情報にアクセスし、推論を行い、根拠に基づいた回答を提供できるようになります。

exa_search : クエリに基づいて Web 検索を実行します。
exa_answer : 事実に関する質問に対して、簡潔で根拠のある回答を取得します。

**注:**これらのツールを使用するには、Exa APIキーの設定が必要です。設定セクションをご覧ください。

ツールオーケストレーションとセーフガード

MCP Think Tank には、ツールが責任を持って効率的に使用されるようにするための包括的な機能が含まれています。

使用制限：ユーザーインタラクションあたりのツール呼び出しの最大回数（設定可能、 TOOL_LIMIT 、デフォルト：25）。この制限は、単一のユーザーメッセージ内での連続したツール呼び出しのみをカウントし、ユーザーが新しいメッセージを送信すると自動的にリセットされます。
自動追跡: すべてのツール呼び出しが記録され、監視されます。
段階的な低下: 制限に達すると、システムは部分的な結果を返そうとします。
インテリジェントキャッシュ：同一のツール呼び出しとファイル/URLコンテンツの繰り返し取得は自動的にキャッシュされ、実行時間とリソース使用量を削減します。キャッシュの動作とサイズは設定可能です（ CACHE_TOOL_CALLS 、 CONTENT_CACHE ）。
構成可能なアクセス: ツールのホワイトリストにより、特定のコンテキストで利用可能なツールを制限できます。
エラー処理: 堅牢なエラー処理により、制限に達したり、ツールの呼び出しが無効になったりするなどの問題に関する明確なフィードバックが提供されます。

📦 インストール

⚠️重要な注意必ずお読みください: Cursor または Claude で MCP Think Tank の新しいバージョンに更新すると、MCP Think Tank サーバーのインスタンスが複数作成され、追加の Node.js インスタンスが作成され、システムパフォーマンスが低下する可能性があります。これは MCP サーバーの既知の問題です。システム内のすべての mcp-think-tank プロセスを強制終了し、実行されている node.js インスタンスが 1 つだけであることを確認してください。

⚠️ tasks.jsonl は ~/.mcp-think-tank/ にあります。シンクタンクが kg ファイル内に既に作成されたタスクによって混乱する可能性があるため、このファイルは kg ファイルとは別になっています。ファイルが大きくなりすぎた場合、または新しいプロジェクトを開始してファイル内にタスクがないことを確認したい場合は、tasks.jsonl ファイルの内容を削除してください。将来のバージョンでは、完了したタスクとリレーションがメモリに保存され、重複タスクが存在しないように、タスクが kg ファイルに統合される可能性があります。

NPX（推奨）

MCP Think Tankを使用する最も簡単な方法は、カーソル内のNPXを介してmcp.jsonファイルを使用することです。これは、グローバルインストールなしで最新バージョンを実行します。

npx mcp-think-tank@2.0.7

最新バージョンの場合（互換性の問題がある可能性があります）：

npx mcp-think-tank@latest

一部のユーザーはカーソルの npx @latest に問題を抱えています。その場合は、.json ファイルでバージョン mcp-think-tank@2.0.7 を指定するか、グローバルにインストールしてみてください。

グローバルインストール

永続的なコマンドラインツールの場合:

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

⚙️ 構成

MCP Think Tank は、主に環境変数または MCP クライアントの構成 (Cursor の.cursor/mcp.jsonなど) を介して構成されます。

クイックスタート: 基本的なセットアップ

MCP Think Tank をインストールします(上記のインストールを参照)。
Exa API キーを取得します(Web 検索ツールに必要)。
- exa.aiにサインアップし、API キーをコピーします。
重要: STDIO サーバーは非推奨です- MCP 業界は HTTP ベースのトランスポートに移行しており、将来のアップデートでは STDIO サーバーはサポートされません。
MCP サーバーを構成します(カーソルの場合は、 .cursor/mcp.jsonに追加します)。

{
  "mcpServers": {
    "think-tank": {
      "command": "npx",
      "args": ["-y", "mcp-think-tank@2.0.7"],
      "type": "streamable-http",
      "env": {
        "MEMORY_PATH": "/absolute/path/to/your/project/memory.jsonl",
        "EXA_API_KEY": "your-exa-api-key-here",
      }
    }
  }
}

必須変数

MEMORY_PATH :必須。メモリストレージファイルへの絶対パス。**重要:**プロジェクト間でナレッジグラフの競合を避けるため、プロジェクトごとに必ず一意のMEMORY_PATHを設定してください。省略した場合は、デフォルトで~/.mcp-think-tank/memory.jsonlになります。
EXA_API_KEY : Exaウェブ検索ツールに必須。exa.aiから取得したAPIキー。

詳細設定

TOOL_LIMIT : ユーザーインタラクションごとに許可されるツール呼び出しの最大回数（デフォルト： 25 ）。このカウンターは新しいユーザーメッセージごとに自動的にリセットされるため、1回のインタラクションで最大25回の連続ツール呼び出しが可能です。
CACHE_TOOL_CALLS : 同一ツール呼び出しのキャッシュを有効/無効にします (デフォルト: true )。
TOOL_CACHE_SIZE : キャッシュされたツール呼び出しの最大数 (デフォルト: 100 )。
CACHE_CONTENT : ファイル/URL 操作のコンテンツベースのキャッシュを有効/無効にします (デフォルト: true )。
CONTENT_CACHE_SIZE : コンテンツキャッシュ内のアイテムの最大数 (デフォルト: 50 )。
CONTENT_CACHE_TTL : キャッシュされたコンテンツの有効期間（ミリ秒）（デフォルト: 300000 - 5 分）。
MCP_DEBUG : デバッグログを有効にします (デフォルト: false )。
MCP_LISTEN_PORT : MCP サーバーのカスタムポートを設定します (デフォルト: TCP サーバーの場合は3399 、 stdioには関係ありません)。
LOG_LEVEL : ログレベル ( debug 、 info 、 warn 、 error ) を設定します (デフォルト: info )。
AUTO_LINK : ナレッジグラフ内の自動エンティティリンクを有効にします (デフォルト: true )。

記憶の維持

MIN_SIMILARITY_SCORE : 重複を防ぐ際のエンティティマッチングのしきい値 (デフォルト: 0.85 )。
MAX_OPERATION_TIME : バッチメモリ操作の最大時間（ミリ秒）（デフォルト: 5000 ）。

.cursor/mcp.jsonの詳細設定を含む構成例:

{
  "mcpServers": {
    "think-tank": {
      "command": "npx",
      "args": ["-y", "mcp-think-tank@2.0.7"],
      "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"
      }
    }
  }
}

💡**パフォーマンスに関するヒント：**大規模プロジェクトでは、 TOOL_LIMITとキャッシュサイズを増やすことでパフォーマンスが向上する可能性がありますが、メモリ使用量は増加します。使用パターンを監視し、状況に応じて調整してください。ただし、カーソルでは、ツール制限が25に達して前回のツール呼び出しからの再開が行われないようにするため、ツール制限を25に設定する必要があります。現在、多くのカーソルユーザーから、バージョン0.49.6での再開に関する問題が報告されています。これはMCP Think Tankとは関係ありません。

💡注： YOLOモードまたはVibeコーディングでCursorを使用する場合は、新しいチャットにコンテキストプライミングを適用し、MCP Think Tankを使用してエンティティ、オブザベーション、リレーションを作成することをCursorに通知することをお勧めします。これにより、MCP Think Tankを最大限に活用できるようになります。

コンテキストプライミングの例としては、プロジェクトの.cursorフォルダーに次の内容のPrime.mdファイルを保持することが挙げられます。

# Context Prime
> Follow the instructions to understand the context of the project.

## Run the following command

eza . --tree --git-ignore

## Read the following files
> Read the files below to get the context of the project. 

> list of files:
README.md
...

## MCP Think Tank Tools
> Test the MCP tools, first use 'show_memory_path' to remind the user of the current memory path file used, then use the 'memory_query' tool to find and read recent entities and observations for the last 48 hours so you are up to date.

> Automatically utilize the MCP Think Tank to autonomously track project context, dynamically adding entities, observations, and relations to the knowledge graph while proactively querying for relevant information and historical insights. Use integrated planning and task management tools to enhance project efficiency. Keep track of the project and its context without the user having to ask for it.

> Dont do anything else.

MCP サーバーの詳細については、 Cursor MCP ドキュメントを参照してください。

プロジェクトルールの設定（カーソル/AI用）

Cursorやその他の互換エージェントがMCP Think Tankのツールを効果的に活用できるようにするには、AIにガイダンスを提供する必要があります。これは通常、プロジェクトルールを通じて行われます。以下の手順で**、単一の「自動アタッチ」プロジェクトルール**を作成します。

1. カーソルに新しいルールを追加する

カーソルを開きます。
コマンドパレット ( Cmd+Shift+PまたはCtrl+Shift+P ) に移動します。
**「新しいカーソルルール」**を選択します。
ルールに名前を付けます (例: mcp-think-tank.mdc )。
ルールエディターでメタデータを設定し、以下の例のルールの内容を貼り付けます。

2. サンプルルールファイル ( `.cursor/rules/mcp-think-tank.mdc` )

この Markdown ファイルはAI のコンテキストとして機能し、利用可能なツールをいつどのように使用するかを AI に指示します。

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

----- ルールの開始 -----

Regularly utilize MCP Think Tank tools to maintain an updated knowledge graph and maximize its potential. Simply call the tools in your prompt. 

## Quick Decision Tree

1. 🤔 **Complex problem to analyze?**
   → Use `think` to structure reasoning and reflect

2. 🔍 **Need past context or information?**
   → Use `memory_query` (time-based) or `search_nodes` (keyword-based)

3. 📊 **Planning implementation steps?**
   → Use `plan_tasks` to create and track work

4. 🌐 **Need current external information?**
   → Use `exa_search` (general search) or `exa_answer` (factual questions)

## Critical Memory Management (Automatic Use Required)

| When to automatically use memory | Tool to use |
|------------------|------------|
| At session start | `memory_query` with recent time filter (last 24h) |
| After completing significant analysis | `upsert_entities` to store conclusions |
| When context seems missing | `memory_query` with relevant keyword |
| Every ~30 minutes in long sessions | `upsert_entities` to create checkpoint |
| When switching between major topics | `think` + `upsert_entities` to summarize progress |
| Before session end | `upsert_entities` to store session summary |

## Core Workflows

### Workflow 1: Problem Analysis → Solution
1. `memory_query` → Check for relevant past work
2. `think` → Structure reasoning about the problem  
3. `plan_tasks` → Break down implementation steps
4. `upsert_entities` → Store conclusions in memory

### Workflow 2: Research → Knowledge Capture
1. `memory_query` → Check if already researched
2. `exa_search` → Find current information
3. `think` → Analyze findings
4. `upsert_entities` → Document key concepts

### Workflow 3: Context Recovery (Session Resume)
1. `memory_query` → Retrieve recent work (past 24-48h)
2. `open_nodes` → Get details on relevant entities
3. `think` → Synthesize context and plan next steps
4. Continue where left off

### Workflow 4: Task Management
1. `list_tasks` → Review current work status
2. `next_task` → Identify priority task
3. `complete_task` → Mark finished work
4. `upsert_entities` → Document completion

## Trigger Patterns (Automatic Tool Use)

| When user... | Automatically use... |
|--------------|----------------------|
| Asks complex question requiring analysis | `think` |
| Mentions "remember" or refers to past work | `memory_query` with time filter → `open_nodes` |
| Uses "research" or "find latest" | `memory_query` (check if already known) → `exa_search` |
| Asks factual questions needing citations | `exa_answer` |
| Mentions planning or implementation | `plan_tasks` |
| Refers to continuing previous work | `memory_query` → `list_tasks` → `next_task` |
| Seems to have lost context from earlier | `memory_query` with recent time filter |
| Makes significant conceptual progress | `upsert_entities` without being asked |
| Connects related concepts | `create_relations` |
| Completes major section of work | `think` + `upsert_entities` to summarize |

### When To Use Each Memory Tool

- `memory_query`: For time-based searches and recent context recovery
- `search_nodes`: For finding specific concepts by keyword
- `open_nodes`: For retrieving full details of known entities
- `upsert_entities`: For creating new knowledge or updating existing entities
- `add_observations`: For adding facts to existing entities
- `create_relations`: For connecting related concepts

## Other Tools Reference

### Thinking
- `think`: Structured reasoning with optional reflection

### Tasks
- `plan_tasks`: Create task list
- `list_tasks`: View current tasks
- `next_task`: Get priority task
- `complete_task`: Mark task done

### Research
- `exa_search`: Web search
- `exa_answer`: Get cited answers

## AI Behavior Requirements

1. ALWAYS check memory at session start with `memory_query`
2. AUTOMATICALLY store important conclusions with `upsert_entities`
3. CREATE periodic memory checkpoints during long sessions
4. PROACTIVELY check memory when context seems missing
5. CHAIN tools together following the workflows
6. PRIORITIZE memory tools before web research
7. SUMMARIZE progress before ending major work segments

----- ルール終了 -----

⚡ パフォーマンスの最適化

MCP Think Tank には、効率的な操作を保証するための最適化機能が組み込まれています。

コンテンツキャッシュ

暗号化ハッシュに基づいてファイルと URL コンテンツを自動的にキャッシュします。
冗長なファイル読み取りとネットワーク要求を防止します。
同じコンテンツに対する繰り返し操作が大幅に高速化されます。
キャッシュサイズと TTL は、環境変数 ( CONTENT_CACHE_SIZE 、 CONTENT_CACHE_TTL ) を介して設定できます。

ツール呼び出しの最適化

セッション内の同一のツール呼び出しは自動的に検出され、キャッシュから提供されます。
重複した通話がインタラクション制限にカウントされるのを防ぎます。
繰り返しのツール要求に対する応答性が向上します。
キャッシュサイズは設定可能です ( TOOL_CACHE_SIZE )。

ベストプラクティス

大規模プロジェクトで MCP Think Tank を Cursor/Claude と組み合わせて最適に使用するには:

すべての重要な推論および意思決定プロセスにthinkツールを活用します。
メモリツールを使用して、重要な考え、結論、アーキテクチャ上の決定を常にナレッジグラフに保持します。
Web リサーチとタスク管理をワークフローに統合して、AI に情報を提供して集中力を維持します。
プロジェクトのナレッジグラフを定期的に確認して更新し、正確性と関連性を確保します。
既存の知識と過去の決定を参照して、コードとデザインの一貫性を維持します。
特に複雑な自動ワークフローでは、ツールの呼び出し制限に注意してください。必要に応じて使用状況を監視してください。
パフォーマンスを向上させるには、プロジェクトのニーズと複雑さに基づいて構成変数 ( TOOL_LIMIT 、キャッシュ設定) を調整します。

🤝 貢献する

貢献を歓迎します！お気軽にプルリクエストを送信してください。

リポジトリをフォークします。
機能ブランチを作成します ( git checkout -b feature/amazing-feature )。
変更をコミットします ( git commit -m 'Add some amazing feature' )。
ブランチにプッシュします ( git push origin feature/amazing-feature )。
プルリクエストを開きます。

📄 ライセンス

このプロジェクトは MIT ライセンスに基づいてライセンスされています - 詳細についてはLICENSEファイルを参照してください。

📚 参考リンク

Install Server

HTTP connection URL

security – no known vulnerabilities

license - permissive license

quality - confirmed to work

How are these scores calculated?

Tools

View all tools

構造化された思考、永続的な知識グラフメモリ、および複雑な問題解決のためのインテリジェントなツールオーケストレーションを通じて、AI アシスタントに強化された推論機能を提供します。

Related Resources

Reddit Discussion about this server

Related MCP Servers

Deepseek Thinker MCP Server
ruixingshi
A
security
F
license
A
quality
Provides reasoning content to MCP-enabled AI clients by interfacing with Deepseek's API or a local Ollama server, enabling focused reasoning and thought process visualization.
Last updated -
1
54
24
JavaScript
DeepSeek MCP Server
moyu6027
A
security
A
license
A
quality
A server that enhances Claude's reasoning capabilities by integrating DeepSeek R1's advanced reasoning engine to tackle complex reasoning tasks.
Last updated -
1
Python
MIT License
Retrieval-Augmented Thinking MCP Server
stat-guy
A
security
A
license
A
quality
Enhances AI model capabilities with structured, retrieval-augmented thinking processes that enable dynamic thought chains, parallel exploration paths, and recursive refinement cycles for improved reasoning.
Last updated -
1
15
JavaScript
MIT License
Atom-of-thoughts
kbsooo
A
security
A
license
A
quality
AoT MCP server enables AI models to solve complex reasoning problems by decomposing them into independent, reusable atomic units of thought, featuring a powerful decomposition-contraction mechanism that allows for deep exploration of problem spaces while maintaining high confidence in conclusions.
Last updated -
3
25
JavaScript
MIT License

View all related MCP servers