MCP 推理器
针对 Claude Desktop 的系统推理 MCP 服务器实现，具有 Beam Search 和 Monte Carlo Tree Search (MCTS) 功能。
特征
双重搜索策略：
可配置宽度的束搜索
适用于复杂决策空间的 MCTS
思想评分与评估
基于树的推理路径
推理过程的统计分析
MCP 协议合规性
Related MCP server: Perplexity MCP Server
安装
git clone https://github.com/Jacck/mcp-reasoner.git
cd mcp-reasoner
npm install
npm run build
配置
添加到 Claude 桌面配置：
{
"mcpServers": {
"mcp-reasoner": {
"command": "node",
"args": ["path/to/mcp-reasoner/dist/index.js"],
}
}
}
搜索策略
定向搜索
维护一组固定宽度的最有希望的路径
最适合逐步推理
最适合：数学问题、逻辑谜题
蒙特卡洛树搜索
基于模拟的决策空间探索
平衡探索与开发
最适合：结果不确定的复杂问题
**注意：**蒙特卡洛树搜索 (MCTS) 让 Claude 在 Arc AGI 基准测试中表现非常出色（公开测试得分 6/10），而定向搜索 (beam search) 在相同谜题中得分仅为 3/10。对于极其复杂的任务，建议 Claude 使用 MCTS 策略，而非定向搜索。
算法细节
搜索策略选择
定向搜索：评估并排序多个解决方案路径
MCTS：使用 UCT 进行节点选择和随机部署
思考评分依据：
细节级别
数学表达式
逻辑连接器
亲子关系强度
流程管理
基于树的状态跟踪
推理的统计分析
进度监控
用例
数学问题
逻辑谜题
逐步分析
复杂问题分解
决策树探索
策略优化
未来实施
实现新算法
迭代加深深度优先搜索（IDDFS）
Alpha-Beta 剪枝
执照
该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅LICENSE文件。