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
Related MCP server: RAT MCP Server
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。