Herramienta MCP de pensamiento ramificado
Novedades (2025-04):
- Visualización avanzada: agrupamiento (k-medias/grado), superposiciones de centralidad, agrupamiento de bordes y superposiciones de agentes para tareas y prioridades
- Caché y precarga de agente: cachés LRU+TTL para incrustaciones, resúmenes, análisis y calentamiento proactivo de caché de agente
- Análisis mejorado: compatibilidad con focusNode, multirama y en tiempo real; metadatos optimizados para agentes
- Documentación mejorada e incorporación para agentes y usuarios
Características
- 🌳 Gestión de sucursales: crear, enfocar y navegar múltiples líneas de pensamiento
- 🔗 Referencias cruzadas: vincular pensamientos relacionados entre ramas (escritos, puntuados)
- 💡 AI Insights: generación automática de información y resúmenes
- Búsqueda semántica: Encuentra pensamientos relacionados usando incrustaciones
- 📊 Visualización avanzada:
- Agrupamiento de nodos (k-medias/grado)
- Superposiciones de centralidad (cercanía, intermediación)
- Agrupación de bordes
- Superposiciones de tareas (estado, prioridad, siguiente acción)
- Superposiciones y metadatos de Agentic para todos los nodos/bordes
- FocusNode y visualización de múltiples ramas
- ⚡ Caché y precarga de Agentic:
- Cachés LRU+TTL para incrustaciones, resúmenes y análisis
- Calentamiento de caché proactivo para flujos de trabajo de agentes
- 🗂️ Almacenamiento persistente: consultable, extensible y nunca pierda una idea
- 🔄 Tiempo real y múltiples ramas: visualice y analice múltiples ramas y nodos en tiempo real
- 🛠️ Nivel de producción: manejo robusto de errores, optimizaciones de rendimiento y API amigables para agentes y humanos
Pila de tecnología
- Node.js (mayores de 18 años)
- TypeScript (4.x)
- @dagrejs/graphlib : Estructura de gráficos, algoritmos y análisis
- ml-kmeans : Agrupamiento para visualización
- lru-cache : almacenamiento en caché LRU+TTL para incrustaciones, resúmenes y análisis
- @xenova/transformers : Canalizaciones de incrustación y resumen
- @modelcontextprotocol/sdk : Integración del protocolo y agente MCP
- tiza : estilo de salida CLI
- Sirena : visualización de Gantt/hoja de ruta
- pnpm : Gestión rápida de dependencias
Hoja de ruta (Gantt)
Tabla de contenido
¿Por qué pensar en ramas?
- Agentic by Design: creado para flujos de trabajo humanos y de IA; cada comando es compatible con el agente.
- Ramificación real: organice, vincule y razone sobre ideas, código y tareas en paralelo.
- AI-Native: búsqueda semántica, resumen automático y generación de información lista para usar.
- Persistente y visual: nunca pierdas una idea: todo es consultable, visualizable y extensible.
Resumen
La herramienta MCP de pensamiento ramificado es una plataforma avanzada de agentes para gestionar, visualizar y razonar sobre ideas, tareas, código y conocimiento ramificados. Permite tanto a agentes de IA como a humanos organizar proyectos complejos, interconectar ideas y automatizar la generación de información mediante un potente paradigma basado en ramas. Con búsqueda semántica, visualización y gestión persistente de tareas y código, está diseñada para flujos de trabajo colaborativos y autónomos de última generación.
La herramienta MCP de pensamiento ramificado es una plataforma avanzada de agentes para gestionar, visualizar y razonar sobre ideas, tareas, código y conocimiento ramificados. Permite tanto a agentes de IA como a humanos organizar proyectos complejos, interconectar ideas y automatizar la generación de información mediante un potente paradigma basado en ramas. Con búsqueda semántica, visualización y gestión persistente de tareas y código, está diseñada para flujos de trabajo colaborativos y autónomos de última generación.
Arquitectura y flujo
Inicio rápido
Ponte en marcha en segundos:
pnpm install # Recommended for speed (or npm install)
pnpm build
node dist/index.js --help # See available commands
Empezando
1. Clonar e instalar
git clone https://github.com/your-org/branch-thinking-mcp.git
cd branch-thinking-mcp
pnpm install # Or npm install
pnpm build # Or npm run build
2. Configurar (opcional)
Para la integración de Claude Desktop, agregue a su claude_desktop_config.json :
"branch-thinking": {
"command": "node",
"args": [
"/your-custom-mcp-dir-here/branch-thinking/dist/index.js"
]
}
3. Correr
Recetas de uso en el mundo real
1. Captura y vinculación de conocimientos
# Batch capture meeting notes
add-thought dev "Discussed semantic search improvements" note
add-thought dev "Agreed to refactor API" decision
# Link related thoughts
link-thoughts t1 t2 supports "API refactor supports search improvements"
# Extract and manage tasks from a research branch
extract-tasks research
list-tasks research open
update-task-status task-1 in_progress
# Generate and interpret a knowledge graph
visualize dev
# Review AI-generated summary
summarize-branch dev
Ejemplo en vivo: Flujo de trabajo de Agentic
# 1. Create a new branch for your project or idea
create-branch "AI Research"
# 2. Add thoughts and observations
add-thought [branchId] "Explore semantic search for agent workflows" analysis
add-thought [branchId] "Test cross-linking and summarization" observation
# 3. Link related thoughts
link-thoughts [thoughtId1] [thoughtId2] supports "Thought 2 validates Thought 1"
# 4. See your knowledge graph
visualize [branchId]
# 5. Extract tasks and get AI review
extract-tasks [branchId]
review-branch [branchId]
Reemplace [branchId] y [thoughtIdX] con los ID reales de list y history .
Referencia de comandos
Gestión de sucursales
| Dominio | Descripción |
|---|
list | Mostrar todas las sucursales con estado |
focus [branchId] | Cambiar el foco a una rama |
history [branchId?] | Mostrar historial de pensamiento |
summarize-branch [branchId?] | Resumen de IA de la rama |
review-branch [branchId?] | Revisión de la rama mediante IA |
visualize [branchId?] | Gráfico visual de conexiones |
Gestión del pensamiento y la percepción
| Dominio | Descripción |
|---|
insights [branchId?] | Obtenga información generada por IA |
crossrefs [branchId?] | Mostrar referencias cruzadas |
hub-thoughts [branchId?] | Lista de pensamientos del centro |
semantic-search [query] | Encuentra pensamientos similares |
link-thoughts [from] [to] [type] [reason?] | Vincular dos pensamientos |
add-snippet [content] [tags] | Guardar un fragmento de código |
snippet-search [query] | Buscar fragmentos de código |
doc-thought [thoughtId] | Documentar un pensamiento |
Gestión de tareas
| Dominio | Descripción |
|---|
extract-tasks [branchId?] | Extraer elementos procesables |
list-tasks [branchId] [status] [assignee] [due] | Listar/filtrar tareas |
update-task-status [taskId] [status] | Actualizar el estado de una tarea |
summarize-tasks [branchId] | Resumir tareas |
IA y conocimiento
| Dominio | Descripción |
|---|
ask [question] | Respuesta de IA desde la base de conocimientos |
Mejores prácticas
- Comience siempre con
create-branch para garantizar un contexto limpio. - Utilice
list y focus para navegar entre proyectos o líneas de pensamiento. - Aproveche
summarize-branch y insights después de agregar varias ideas para obtener un contexto generado por IA. - Utilice
link-thoughts para conectar explícitamente ideas, tareas o códigos para obtener gráficos semánticos más ricos. - Después de realizar cambios en el código, ejecute siempre
pnpm lint y pnpm build para detectar errores de forma temprana. - Descomponer objetivos complejos en secuencias de comandos de pensamiento/tarea/percepción.
- Iterar y adaptar: utilice los comentarios de los resúmenes, revisiones y visualizaciones para refinar las próximas acciones.
- Especifique explícitamente los parámetros (branchId, estado, asignado, etc.) para obtener resultados precisos.
- Utilice referencias cruzadas y enlaces de múltiples saltos para fomentar la creatividad y unir ideas.
- Indique a los agentes (Claude, GPT-4, etc.) que “piensen paso a paso” o “utilicen la cadena de pensamiento” para obtener mejores resultados.
Seguridad
- Todos los datos persistentes se almacenan localmente (predeterminado: directorio del proyecto o
MCP_STORAGE_PATH ) - No se permiten llamadas a API externas a menos que se configuren
- Los agentes/usuarios son responsables de la privacidad de los pensamientos y tareas almacenados.
- Para informar problemas de seguridad, abra un problema o envíe un correo electrónico al mantenedor.
Solución de problemas y preguntas frecuentes
P: ¡La herramienta no responde! R: Revise los registros del servidor MCP y asegúrese de que la configuración sea correcta.
P: ¿Cómo restablezco el almacenamiento? R: Elimine o mueva el directorio de almacenamiento persistente (ver configuración).
P: ¿Cómo agrego un nuevo comando? R: Extienda handleCommand en src/index.ts y documéntelo en el archivo README.
Accesibilidad e internacionalización
- Todas las insignias/imágenes tienen texto alternativo descriptivo.
- El inglés es el idioma predeterminado; se agradecen contribuciones para traducciones.
- Abra una solicitud de relaciones públicas o un problema si desea ayudar a localizar esta herramienta.
Contribuyendo
¡Agradecemos contribuciones, problemas y solicitudes de funcionalidad! Abra una solicitud de colaboración o un problema en GitHub.
- Bifurcar este repositorio
- Crea una nueva rama (
git checkout -b feature/your-feature ) - Confirme sus cambios
- Empujar hacia la rama
- Abrir una solicitud de extracción
Referencias y proyectos relacionados
Créditos
- Concepto y pruebas: @ssdeanx
- Generación de código central: Claude, GPT-4 y Cascade
- Implementación, correcciones y documentación: @ssdeanx
Licencia
Instituto Tecnológico de Massachusetts (MIT)