深度思考助手 - Gemini MCP 服务器

基于 Gemini API 的 MCP 服务器，提供深度思考和分析。与 AI 编辑器中的模型协同工作，提供更深入的分析和见解。

特征

多角度分析问题
整合批判性思维和创造性思维
切实可行的建议
整合现有知识并提供新视角
上下文敏感且粒度准确
对所提解决方案的批判性分析和改进建议

项目结构

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

设置

安装依赖项：

pip install -r requirements.txt

设置环境变量：创建一个.env文件，内容如下：

GEMINI_API_KEY=your_api_key_here
GEMINI_MODEL=gemini-2.0-flash

如何使用

启动服务器：

python dive_deep_server.py

可用工具

深度思考代理

我们将深化解决问题的思维过程并提供观点。该工具提供了对问题的深入理解和多方面的分析，并提供了得出更好解决方案的指导。

参数：

instructions ：用户指示（必需）
context ：你的思维过程的背景（必需）
model ：要使用的模型名称（默认值：“gemini-2.0-flash”）

增强剂

我们将分析您的代码并提供具体的改进建议。该工具从质量、性能、可维护性等方面对您的代码进行全面分析，并提供可行的改进建议。

参数：

instructions ：正在审查的代码的说明（必需）
code ：代码列表（必需）
model ：要使用的模型名称（默认值：“gemini-2.0-flash”）
temperature ：生成时的温度参数（默认值：0.7）

final_review_agent

我们将进行最终的代码审查并提供改进建议。该工具严格分析提议的变更和改进，以识别潜在问题和进一步优化的机会。

参数：

instructions ：正在审查的代码的说明（必需）
code ：代码列表（必需）
model ：要使用的模型名称（默认值：“gemini-2.0-flash”）
temperature ：生成时的温度参数（默认值：0.7）

使用示例

深化思考过程：

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"
)

代码改进建议：

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"
)

最终审核：

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"
)

默认系统提示符

思想支持提示

服务器可以帮助您按照以下思路思考：

问题理解和结构化思维
- 通过系统思维了解全局
- 使用 MECE 分解问题
- 因果分析（为什么分析、鱼骨图）
- 利益相关者分析和需求组织
设计和评估解决方案
- 应用设计模式和架构原则
- 权衡的定量评估（成本与收益）
- 风险分析及对策（FMEA方法）
- 可行性验证（PoC策略）
追求卓越的技术
- 清洁架构原则、松耦合、高内聚、适当的依赖方向、接口抽象
- 优化代码质量 - 可读性和可维护性 - 性能和可扩展性 - 安全性和稳健性
- 设计测试策略，考虑测试金字塔、边界值和边缘情况、自动化和持续验证
创新与创造性思维
- 运用横向思维
- 使用 SCAMPER 方法进行创意开发
- 利用约束创造性地解决问题
- 将新技术与遗留系统集成
优化实施和部署
- 分阶段实施策略
- 技术债务管理和偿还计划
- 变更影响分析
- 最大限度地降低部署风险
持续改进和学习
- 设置 KPI 和指标
- 建立反馈回路
- 知识系统化和共享
- PDCA循环
沟通与协作
- 技术澄清
- 构建文档
- 跨团队知识共享
- 促进评论和反馈

答案分析提示

我们将根据以下标准分析您的回答：

逻辑一致性和完整性
- 假设和约束的有效性
- 逻辑发展的一致性
- 得出结论的过程
- 识别被忽视的元素
- 可证伪性测试
技术可行性和优化性
- 算法和数据结构的适当性
- 系统架构的稳健性
- 性能和可扩展性
- 安全性和可靠性
- 可维护性和可扩展性
实施与运行
- 开发效率和生产力
- 运营负担和成本
- 监控和故障排除
- 版本控制和部署
- 有效的团队协作
风险与挑战
- 技术约束和限制
- 安全漏洞
- 性能瓶颈
- 依赖复杂性
- 潜在的技术债务
商业价值和影响
- 开发和运营成本
- 上市时间
- 对用户体验的影响
- 符合业务需求
- 提升竞争优势

分析结果包括：

该提案的优势
- 技术优势
- 实施效率
- 商业价值
- 创新元素
需要改进的地方
- 技术挑战
- 实施风险
- 运营问题
- 可扩展性限制
具体改进建议
- 短期改进
- 中长期优化
- 替代方法
- 应用最佳实践
其他注意事项
- 边缘情况和异常处理
- 未来的可扩展性
- 安全注意事项
- 性能优化
实施路线图
- 任务优先级
- 设定里程碑
- 定义成功指标（KPI）
- 风险缓解策略

Deep Thinking Assistant

Integrations