deep-thinker

Fortgeschrittener kognitiver MCP-Server für Denkvorgänge mit DAG-basiertem Gedankengraphen, mehreren Denkstrategien, Metakognition und Selbstevaluation.

Eine bedeutende Weiterentwicklung über das sequentielle Denken (sequential-thinking) hinaus, die strukturiertes, tiefgreifendes Denken mit graphbasiertem Gedankenmanagement ermöglicht.

Funktionen

• DAG-basierter Gedankengraph — Gedanken bilden einen gerichteten azyklischen Graphen (DAG) mit Verzweigungen, Zusammenführungen und Querverbindungen (nicht nur eine lineare Kette)

• 5 Denkstrategien — Sequentiell, Dialektisch (These→Antithese→Synthese), Parallel, Analogisch, Abduktiv (Schlussfolgerung auf die beste Erklärung)

• Konfidenzbewertung — Mehrfaktorielles Konfidenz-Scoring mit Unterstützung/Widerspruchs-Analyse, Tiefen-Strafen und Boosts durch Wissensintegration

• Selbstkritik — Automatische Generierung von Kritik mit Schweregraden und Konfidenzanpassungen

• Metakognitive Engine — Erkennt festgefahrene Zustände, Stagnation, sinkende Konfidenz; schlägt Strategiewechsel und Korrekturmaßnahmen vor

• Wissensintegration — Verknüpfung von externem Wissen mit Gedanken, Erkennung von Wissenslücken, Validierung der Konsistenz über Quellen hinweg

• Gedanken-Pruning (Bereinigung) — Erkennung von Sackgassen, Entfernung von Redundanzen, Eliminierung unproduktiver tiefer Zweige, Pfadoptimierung

Installation

Global

npm install -g deep-thinker

npx (keine Installation)

npx deep-thinker

MCP-Konfiguration

Claude Desktop

Fügen Sie dies zu Ihrer claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "deep-thinker": {
      "command": "npx",
      "args": ["-y", "deep-thinker"]
    }
  }
}

Oder falls global installiert:

{
  "mcpServers": {
    "deep-thinker": {
      "command": "deep-thinker"
    }
  }
}

Andere MCP-Clients

Der Server kommuniziert über stdio. Verweisen Sie Ihren MCP-Client auf den Befehl deep-thinker oder node path/to/dist/index.js.

Tools

think

Fügen Sie dem kognitiven Graphen einen Gedanken unter Verwendung einer Denkstrategie hinzu.

Parameter:

Strategie-Details:

• Sequentiell — Lineare Kette: jeder Gedanke leitet sich vom vorherigen ab

• Dialektisch — These → Antithese → Synthese-Muster zur Auflösung von Widersprüchen

• Parallel — Gleichzeitige Exploration mehrerer unabhängiger Zweige

• Analogisch — Übertragung von Mustern aus einer bekannten Domäne auf das aktuelle Problem

• Abduktiv — Generierung von Hypothesen und Schlussfolgerung auf die beste Erklärung

Kanten-Typen: derives_from, contradicts, supports, refines, challenges, synthesizes, parallels, abstracts, instantiates

evaluate

Bewerten Sie den Denkprozess mit Konfidenz-Scoring, Kritik und Analyse der Graphen-Gesundheit.

Parameter:

metacog

Metakognitive Operationen — Überwachung und Steuerung des Denkprozesses.

Parameter:

Die metakognitive Engine führt automatisch folgende Aktionen aus:

• Erkennt Stagnation (Konfidenz verbessert sich nicht)

• Erkennt Trends sinkender Konfidenz

• Erkennt übermäßige Widersprüche

• Schlägt Strategiewechsel, Pruning, Backtracking oder Abschluss vor

graph

Abfrage und Visualisierung des Gedankengraphen.

Parameter:

prune

Bereinigung und Optimierung des Gedankengraphen.

Parameter:

reset

Zurücksetzen des Gedankengraphen und Start einer neuen Sitzung.

Parameter:

Anwendungsbeispiele

Sequentielles Denken

think: "Should we use microservices?" → type: question, confidence: 0.9
think: "Monolith has deployment bottlenecks" → type: analysis, confidence: 0.7
think: "Team lacks DevOps capacity for microservices" → type: evidence, confidence: 0.8
evaluate: → overall confidence 0.73
metacog: auto_update → strategy: sequential, progress: normal

Dialektisches Denken

think: {
  strategy: "dialectic",
  dialectic: {
    thesis: "Microservices improve scalability",
    antithesis: "But add operational complexity",
    synthesis: "Use modular monolith as middle ground"
  },
  confidence: 0.75
}

Parallele Exploration

think: {
  strategy: "parallel",
  parallel: [
    { content: "Team expertise in Docker/K8s", type: "evidence", confidence: 0.8 },
    { content: "Limited DevOps capacity", type: "evidence", confidence: 0.6 },
    { content: "Budget allows hiring", type: "evidence", confidence: 0.4 }
  ]
}

Abduktives Denken

think: {
  strategy: "abductive",
  abductive: {
    observation: "The grass is wet",
    explanations: [
      { content: "It rained", plausibility: 0.8 },
      { content: "Sprinklers were on", plausibility: 0.6 }
    ],
    bestExplanation: "It rained"
  },
  confidence: 0.8
}

Metakognitive Anleitung

metacog: { action: "auto_update" }
→ ⚠ Stuck: confidence has not improved for 3 steps
→ 💡 Action: [switch_strategy] Try parallel exploration
→   Suggested Strategy: parallel

metacog: { action: "switch", strategy: "parallel", reason: "Break through impasse" }
→ Strategy switched: sequential → parallel

Pruning (Bereinigung)

prune: { action: "analyze" }
→ Dead Ends: 2
  [thought_7] confidence=0.15: Bad idea...
  [thought_9] confidence=0.10: Another dead end...
→ Redundant Branch Groups: 1
  Keep [thought_5], prune [thought_6]: Redundant analysis...
→ Total prunable: 3 node(s)

prune: { action: "prune" }
→ Pruned 3 node(s) in 3 operations

Architektur

src/
├── index.ts          MCP server & tool handlers
└── core/
    ├── types.ts      Type definitions & constants
    ├── node.ts       ThoughtNode CRUD operations
    ├── graph.ts      DAG-based thought graph
    ├── strategies.ts 5 reasoning strategy implementations
    ├── scorer.ts     Confidence scoring & self-critique
    ├── metacog.ts    Metacognitive engine
    ├── knowledge.ts  Knowledge integration & validation
    └── pruner.ts     Dead-end/redundancy detection & pruning

Vergleich mit sequential-thinking

Entwicklung

git clone https://github.com/hubinoretros/deep-thinker.git
cd deep-thinker
npm install
npm run build
npm start

Lizenz

MIT