deep-thinker

Servidor MCP de pensamiento cognitivo avanzado con grafo de pensamiento basado en DAG, múltiples estrategias de razonamiento, metacognición y autoevaluación.

Una evolución significativa más allá del MCP de pensamiento secuencial, que proporciona un razonamiento profundo estructurado con gestión de pensamiento basada en grafos.

Características

• Grafo de pensamiento basado en DAG — Los pensamientos forman un grafo acíclico dirigido con ramificaciones, fusiones y aristas cruzadas (no solo una cadena lineal)

• 5 estrategias de razonamiento — Secuencial, Dialéctica (tesis→antítesis→síntesis), Paralela, Analógica, Abductiva (inferencia a la mejor explicación)

• Puntuación de confianza — Evaluación de confianza multifactorial con análisis de soporte/contradicción, penalizaciones por profundidad y mejoras de integración de conocimiento

• Autocrítica — Generación automática de críticas con niveles de gravedad y ajustes de confianza

• Motor metacognitivo — Detecta estados de bloqueo, estancamiento, disminución de la confianza; sugiere cambios de estrategia y acciones correctivas

• Integración de conocimiento — Adjunta conocimiento externo a los pensamientos, detecta lagunas, valida la consistencia entre fuentes

• Poda de pensamiento — Detección de callejones sin salida, eliminación de redundancias, eliminación de ramas improductivas profundas, optimización de rutas

Instalación

Global

npm install -g deep-thinker

npx (sin instalación)

npx deep-thinker

Configuración de MCP

Claude Desktop

Añadir a tu claude_desktop_config.json:

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

O si se instaló globalmente:

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

Otros clientes MCP

El servidor se comunica a través de stdio. Apunta tu cliente MCP al comando deep-thinker o a node path/to/dist/index.js.

Herramientas

think

Añade un pensamiento al grafo cognitivo utilizando una estrategia de razonamiento.

Parámetros:

Detalles de la estrategia:

• Secuencial — Cadena lineal: cada pensamiento deriva del anterior

• Dialéctica — Patrón Tesis → Antítesis → Síntesis para resolver contradicciones

• Paralela — Explora múltiples ramas independientes simultáneamente

• Analógica — Mapea patrones de un dominio conocido al problema actual

• Abductiva — Genera hipótesis e infiere la mejor explicación

Tipos de aristas: derives_from, contradicts, supports, refines, challenges, synthesizes, parallels, abstracts, instantiates

evaluate

Evalúa el proceso de pensamiento con puntuación de confianza, crítica y análisis de salud del grafo.

Parámetros:

metacog

Operaciones metacognitivas: monitorea y controla el proceso de pensamiento.

Parámetros:

El motor metacognitivo automáticamente:

• Detecta estancamiento (la confianza no mejora)

• Detecta tendencias de confianza decreciente

• Detecta contradicciones excesivas

• Sugiere cambios de estrategia, poda, retroceso o conclusión

graph

Consulta y visualiza el grafo de pensamiento.

Parámetros:

prune

Poda y optimiza el grafo de pensamiento.

Parámetros:

reset

Reinicia el grafo de pensamiento e inicia una sesión nueva.

Parámetros:

Ejemplos de uso

Razonamiento secuencial

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

Razonamiento dialéctico

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

Exploración paralela

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 }
  ]
}

Razonamiento abductivo

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
}

Orientación metacognitiva

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

Poda

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

Arquitectura

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

Comparación con sequential-thinking

Desarrollo

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

Licencia

MIT