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

Related MCP server: DeepLucid3D UCPF Server

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)

gantt
    title Branch-Thinking MCP Roadmap (2025)
    dateFormat  YYYY-MM-DD
    section Q2 2025
    Advanced Visualization/Analytics :done,      vis1, 2025-04-01,2025-04-20
    Agentic Cache & Prefetch         :done,      cache1, 2025-04-10,2025-04-22
    Enhanced Agentic Docs            :done,      doc1, 2025-04-15,2025-04-25
    Real-time Collaboration          :active,    collab1, 2025-04-20,2025-06-01
    Web Visualization Dashboard      :active,    webviz1, 2025-04-25,2025-06-15
    section Q3 2025
    Plugin System                    :planned,   plugin1, 2025-06-15,2025-07-15
    Mobile/Tablet UI                 :planned,   mobile1, 2025-07-01,2025-08-01
    AI Branch Merging                :planned,   merge1, 2025-07-15,2025-08-15
    Knowledge Base Sync              :planned,   sync1, 2025-08-01,2025-09-01

Tabla de contenido

• ¿Por qué pensar en ramas?

• Resumen

• Características

• Inicio rápido

• Empezando

• Recetas de uso en el mundo real

• Arquitectura y flujo

• Hoja de ruta (Gantt)

• Pruebas y calidad

• Seguridad

• Accesibilidad e internacionalización

• Solución de problemas y preguntas frecuentes

• Mejores prácticas

• Contribuyendo

• Registro de cambios

• Referencias y proyectos relacionados

• Créditos

• Licencia

¿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

flowchart TD
    User([User/Agent 🤖])
    CLI([CLI/API])
    BM[BranchManager 🧠]
    EmbCache[[Embedding/Summary Cache]]
    Storage[(Persistent Storage 💾)]
    Viz([Visualization/Analytics])
    Tasks([Task Extraction])
    Snippets([Code Snippet Storage])

    User-->|Commands/Queries|CLI
    CLI-->|Manage/Query|BM
    BM-->|Cache|EmbCache
    BM-->|Save/Load|Storage
    BM-->|Visualize|Viz
    BM-->|Tasks|Tasks
    BM-->|Snippets|Snippets
    BM-->|Results|CLI
    CLI-->|Output|User

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

node dist/index.js

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"

2. Extracción de tareas agenéticas

# Extract and manage tasks from a research branch
extract-tasks research
list-tasks research open
update-task-status task-1 in_progress

3. Visualización para obtener información

# 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

Gestión del pensamiento y la percepción

Gestión de tareas

IA y conocimiento

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.

1. Bifurcar este repositorio

2. Crea una nueva rama ( git checkout -b feature/your-feature )

3. Confirme sus cambios

4. Empujar hacia la rama

5. Abrir una solicitud de extracción

Referencias y proyectos relacionados

• Protocolo de Contexto Modelo (MCP)

• Herramienta de pensamiento secuencial

• Obsidiana

• Secuencia de registro

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)