Skip to main content
Glama
Sign In
enesjakozh

Deep Thinking Assistant

by shark-bot-0118
Verified
GitHub
RedditDiscord
OverviewInspectNewSchemaRelated ServersReviewsScore
Need Help?View Source CodeReport Issue

remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

Integrations

  • Uses .env files for configuration, specifically for storing API keys such as the OpenAI API key required for the server's operation.

  • Integrates with OpenAI API to provide deep thinking and analysis capabilities, supporting multiple AI models including o3-mini and gpt-4 for problem solving, code enhancement, and code review.

Deep Thinking Assistant - Gemini MCP Server

深い思考と分析を提供するGemini APIベースのMCPサーバーです。 AIエディタのモデルと連携して、より深い分析と洞察を提供します。

特徴

  • 多角的な視点からの問題分析
  • 批判的思考と創造的思考の統合
  • 実践的で具体的な提案
  • 既存の知識の統合と新しい視点の提供
  • コンテキストに応じた適切な詳細度の調整
  • 提案された解決策の批判的分析と改善提案

プロジェクト構造

dive_deep/ ├── logs/ # ログファイルディレクトリ ├── dive_deep_server.py # メインサーバーファイル ├── logger_config.py # ロギング設定 ├── prompts.py # プロンプト定義 ├── requirements.txt # 依存関係 ├── .env # 環境変数設定 └── README.md # ドキュメント

セットアップ

  1. 依存関係のインストール:
pip install -r requirements.txt
  1. 環境変数の設定: .envファイルを作成し、以下の内容を設定してください：
GEMINI_API_KEY=your_api_key_here GEMINI_MODEL=gemini-2.0-flash

使用方法

サーバーの起動:

python dive_deep_server.py

利用可能なツール

deep_thinking_agent

問題解決のための思考プロセスを深め、着眼点を提示します。このツールは、問題に対する深い理解と多角的な分析を提供し、より良い解決策を導き出すためのガイドラインを提示します。

パラメータ:

  • instructions: ユーザーからの指示（必須）
  • context: 思考プロセスのコンテキスト（必須）
  • model: 使用するモデル名（デフォルト: "gemini-2.0-flash"）

enhancement_agent

コードの改善点を分析し、具体的な提案を行います。このツールは、コードの品質、パフォーマンス、保守性などの観点から包括的な分析を行い、実践的な改善提案を提供します。

パラメータ:

  • instructions: レビュー対象のコードに対する指示（必須）
  • code: コードのリスト（必須）
  • model: 使用するモデル名（デフォルト: "gemini-2.0-flash"）
  • temperature: 生成時の温度パラメータ（デフォルト: 0.7）

final_review_agent

最終的なコードレビューを行い、改善点を提示します。このツールは、提案された変更や改善点を批判的に分析し、潜在的な問題や更なる最適化の機会を特定します。

パラメータ:

  • instructions: レビュー対象のコードに対する指示（必須）
  • code: コードのリスト（必須）
  • model: 使用するモデル名（デフォルト: "gemini-2.0-flash"）
  • temperature: 生成時の温度パラメータ（デフォルト: 0.7）

使用例

  1. 思考プロセスの深化:
response = deep_thinking_agent( instructions="このアルゴリズムの最適化方法を考えてください", context="現在の実装では時間計算量がO(n^2)となっています", model="gemini-2.0-flash" )
  1. コードの改善提案:
response = enhancement_agent( instructions="このコードのパフォーマンスを改善してください", code=["def example():\n # コード内容"], model="gemini-2.0-flash" )
  1. 最終レビュー:
response = final_review_agent( instructions="実装された改善案の最終確認をお願いします", code=["def improved_example():\n # 改善されたコード"], model="gemini-2.0-flash" )

デフォルトのシステムプロンプト

思考支援プロンプト

サーバーは以下の原則に基づいて思考を支援します：

  1. 問題理解と構造化思考
    • システム思考による全体像の把握
    • MECEによる問題の分解
    • 因果関係の分析（Why-Why分析、特性要因図）
    • ステークホルダー分析と要件整理
  2. 解決策の設計と評価
    • デザインパターンとアーキテクチャ原則の適用
    • トレードオフの定量的評価（コストvs.ベネフィット）
    • リスク分析と対策（FMEA手法）
    • 実現可能性の検証（PoC戦略）
  3. 技術的卓越性の追求
    • クリーンアーキテクチャの原則 ・疎結合と高凝集 ・依存関係の適切な方向性 ・インターフェースの抽象化
    • コード品質の最適化 ・可読性と保守性 ・パフォーマンスとスケーラビリティ ・セキュリティと堅牢性
    • テスト戦略の設計 ・テストピラミッドの考慮 ・境界値とエッジケース ・自動化と継続的検証
  4. イノベーションと創造的思考
    • ラテラルシンキングの活用
    • SCAMPERメソッドによるアイデア展開
    • 制約を活かした創造的問題解決
    • 新技術とレガシーシステムの統合
  5. 実装とデプロイメントの最適化
    • 段階的な実装戦略
    • 技術的負債の管理と返済計画
    • 変更の影響分析
    • デプロイメントリスクの最小化
  6. 継続的改善と学習
    • KPIとメトリクスの設定
    • フィードバックループの確立
    • 知識の体系化と共有
    • PDCAサイクルの実践
  7. コミュニケーションとコラボレーション
    • 技術的説明の明確化
    • ドキュメントの構造化
    • チーム間の知識共有
    • レビューとフィードバックの促進

回答分析プロンプト

回答の分析は以下の観点から行われます：

  1. 論理的整合性と完全性
    • 前提条件と制約の妥当性
    • 論理展開の一貫性
    • 結論の導出プロセス
    • 見落とされた要素の特定
    • 反証可能性の検証
  2. 技術的実現可能性と最適性
    • アルゴリズムとデータ構造の適切性
    • システムアーキテクチャの堅牢性
    • パフォーマンスとスケーラビリティ
    • セキュリティと信頼性
    • 保守性と拡張性
  3. 実装と運用
    • 開発効率と生産性
    • 運用負荷とコスト
    • 監視と障害対応
    • バージョン管理とデプロイメント
    • チームコラボレーションの有効性
  4. リスクと課題
    • 技術的制約と限界
    • セキュリティ脆弱性
    • パフォーマンスのボトルネック
    • 依存関係の複雑さ
    • 潜在的な技術的負債
  5. ビジネス価値とインパクト
    • 開発・運用コスト
    • 市場投入までの時間
    • ユーザー体験への影響
    • ビジネス要件との整合性
    • 競争優位性への貢献

分析結果の構成：

  1. 提案の強み
    • 技術的優位性
    • 実装の効率性
    • ビジネス価値
    • 革新的要素
  2. 改善が必要な領域
    • 技術的課題
    • 実装上のリスク
    • 運用上の懸念
    • スケーラビリティの制限
  3. 具体的な改善提案
    • 短期的な改善
    • 中長期的な最適化
    • 代替アプローチ
    • ベストプラクティスの適用
  4. 追加の考慮事項
    • エッジケースと例外処理
    • 将来のスケーラビリティ
    • セキュリティ考慮事項
    • パフォーマンス最適化
  5. 実装ロードマップ
    • タスクの優先順位付け
    • マイルストーンの設定
    • 成功指標（KPI）の定義
    • リスク軽減戦略

This server cannot be installed

-
security - not tested
F
license - not found
-
quality - not tested

An OpenAI API-based MCP server that provides deep thinking and analysis capabilities, integrating with AI editor models to deliver comprehensive insights and practical solutions.

  1. 特徴
    1. プロジェクト構造
      1. セットアップ
        1. 使用方法
          1. 利用可能なツール
            1. deep_thinking_agent
            2. enhancement_agent
            3. final_review_agent
          2. 使用例
            1. デフォルトのシステムプロンプト
              1. 思考支援プロンプト
              2. 回答分析プロンプト
            ID: q6o4pu8uem