深探-思考-克劳德-3.5-十四行诗-CLINE-MCP

模型上下文协议 (MCP) 服务器，通过 OpenRouter 将 DeepSeek R1 的推理功能与 Claude 3.5 Sonnet 的响应生成功能相结合。此实现采用两阶段流程，其中 DeepSeek 提供结构化推理，然后将其整合到 Claude 的响应生成中。

特征

两阶段处理：
- 使用 DeepSeek R1 进行初步推理（50k 个字符上下文）
- 使用 Claude 3.5 Sonnet 进行最终响应（600k 字符上下文）
- 两种模型都可以通过 OpenRouter 的统一 API 访问
- 将 DeepSeek 的推理标记注入 Claude 的上下文中
智能对话管理：
- 使用文件修改时间检测活动对话
- 处理多个并发对话
- 自动过滤已结束的对话
- 需要时支持上下文清除
优化参数：
- 特定于模型的上下文限制：
  - DeepSeek：50,000 个字符用于集中推理
  - 克劳德：60万字的综合回复
- 推荐设置：
  - 温度：0.7，代表平衡创造力
  - top_p：1.0，表示完全概率分布
  - repetition_penalty: 1.0 以防止重复

安装

通过 Smithery 安装

要通过Smithery自动为 Claude Desktop 安装 DeepSeek Thinking with Claude 3.5 Sonnet：

npx -y @smithery/cli install @newideas99/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP --client claude

手动安装

克隆存储库：

git clone https://github.com/yourusername/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP.git
cd Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP

安装依赖项：

npm install

使用您的 OpenRouter API 密钥创建一个.env文件：

# Required: OpenRouter API key for both DeepSeek and Claude models
OPENROUTER_API_KEY=your_openrouter_api_key_here

# Optional: Model configuration (defaults shown below)
DEEPSEEK_MODEL=deepseek/deepseek-r1  # DeepSeek model for reasoning
CLAUDE_MODEL=anthropic/claude-3.5-sonnet:beta  # Claude model for responses

构建服务器：

npm run build

与 Cline 一起使用

添加到您的 Cline MCP 设置（通常在~/.vscode/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json中）：

{
  "mcpServers": {
    "deepseek-claude": {
      "command": "/path/to/node",
      "args": ["/path/to/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP/build/index.js"],
      "env": {
        "OPENROUTER_API_KEY": "your_key_here"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

工具使用

服务器提供了两种用于生成和监控响应的工具：

生成响应

用于生成具有以下参数的响应的主要工具：

{
  "prompt": string,           // Required: The question or prompt
  "showReasoning"?: boolean, // Optional: Show DeepSeek's reasoning process
  "clearContext"?: boolean,  // Optional: Clear conversation history
  "includeHistory"?: boolean // Optional: Include Cline conversation history
}

检查响应状态

检查响应生成任务状态的工具：

{
  "taskId": string  // Required: The task ID from generate_response
}

响应轮询

服务器使用轮询机制来处理长时间运行的请求：

初始请求：
- generate_response立即返回任务 ID
- 响应格式： {"taskId": "uuid-here"}
状态检查：
- 使用check_response_status轮询任务状态
- **注意：**回复最多可能需要 60 秒才能完成
- 状态进展如下：待处理 → 推理 → 响应 → 完成

Cline 中的用法示例：

// Initial request
const result = await use_mcp_tool({
  server_name: "deepseek-claude",
  tool_name: "generate_response",
  arguments: {
    prompt: "What is quantum computing?",
    showReasoning: true
  }
});

// Get taskId from result
const taskId = JSON.parse(result.content[0].text).taskId;

// Poll for status (may need multiple checks over ~60 seconds)
const status = await use_mcp_tool({
  server_name: "deepseek-claude",
  tool_name: "check_response_status",
  arguments: { taskId }
});

// Example status response when complete:
{
  "status": "complete",
  "reasoning": "...",  // If showReasoning was true
  "response": "..."    // The final response
}

发展

对于使用自动重建的开发：

npm run watch

工作原理

推理阶段（DeepSeek R1） ：
- 使用 OpenRouter 的推理令牌功能
- 修改提示，在捕获推理的同时输出“完成”
- 从响应元数据中提取推理
响应阶段（克劳德 3.5 十四行诗） ：
- 接收原始提示和 DeepSeek 的推理
- 生成包含推理的最终答案
- 保留对话上下文和历史记录

执照

MIT 许可证 - 有关详细信息，请参阅 LICENSE 文件。

致谢

基于Skirano的 RAT（检索增强思维）概念，通过结构化推理和知识检索增强 AI 响应。

该实现具体通过 OpenRouter 的统一 API 将 DeepSeek R1 的推理能力与 Claude 3.5 Sonnet 的响应生成结合起来。

RAT MCP Server