en es ja ko zh

Branch Thinking

Name: Branch Thinking
Author: ssdeanx

by ssdeanx

Overview Schema Related Servers Score Discussions

TypeScript

Hybrid

🚦 지점 사고 MCP 도구

변경 사항 노드.js 타입스크립트 엠씨피 MIT 라이센스 @dagrejs/graphlib ml-k평균 lru-캐시 @제노바/트랜스포머 @modelcontextprotocol/sdk pnpm

새로운 소식(2025-04):
고급 시각화: 클러스터링(k-평균/차수), 중심성 오버레이, 에지 번들링, 작업 및 우선순위에 대한 에이전트 오버레이
에이전트 캐시 및 프리페치: 임베딩, 요약, 분석 및 사전 에이전트 캐시 워밍을 위한 LRU+TTL 캐시
향상된 분석: 실시간, 다중 지점 및 focusNode 지원, 에이전트 최적화 메타데이터
에이전트와 사용자를 위한 업그레이드된 문서화 및 온보딩

특징

🌳 지점 관리: 다양한 사고의 흐름을 만들고, 집중하고, 탐색하세요
🔗 교차 참조: 여러 가지 분야(입력, 채점)에서 관련된 생각을 연결합니다.
💡 AI 인사이트: 자동 인사이트 및 요약 생성
🧠 의미 검색: 임베딩을 사용하여 관련된 생각을 찾으세요
📊 고급 시각화:
- 노드 클러스터링(k-평균/차수)
- 중심성 오버레이(가까움, 사이성)
- 에지 번들링
- 작업 오버레이(상태, 우선순위, 다음 작업)
- 모든 노드/에지에 대한 에이전트 오버레이 및 메타데이터
- FocusNode 및 다중 분기 시각화
⚡ 에이전트 캐시 및 프리페치:
- 임베딩, 요약, 분석을 위한 LRU+TTL 캐시
- 에이전트 워크플로에 대한 사전 캐시 워밍
🗂️ 영구 저장소: 쿼리 가능하고 확장 가능하며 생각을 절대 잃지 않습니다.
🔄 실시간 및 다중 지점: 여러 지점과 노드를 실시간으로 시각화하고 분석합니다.
🛠️ 프로덕션 등급: 강력한 오류 처리, 성능 최적화 및 에이전트/인간 친화적 API

🛠️ 기술 스택

노드.js (18세 이상)
타입스크립트 (4.x)
@dagrejs/graphlib : 그래프 구조, 알고리즘 및 분석
ml-kmeans : 시각화를 위한 클러스터링
lru-cache : 임베딩, 요약, 분석을 위한 LRU+TTL 캐싱
@xenova/transformers : 임베딩 및 요약 파이프라인
@modelcontextprotocol/sdk : MCP 프로토콜 및 에이전트 통합
chalk : CLI 출력 스타일링
인어 : 간트/로드맵 시각화
pnpm : 빠른 종속성 관리

로드맵(간트)

지엑스피1

왜 지점 사고방식을 가져야 할까요?

Agentic by Design: 인간과 AI 워크플로우에 맞춰 구축되었으며 모든 명령이 에이전트 친화적입니다.
진정한 분기: 아이디어, 코드, 작업을 병렬로 구성하고, 교차 연결하고, 추론합니다.
AI 네이티브: 의미 검색, 자동 요약, 통찰력 생성 기능을 즉시 제공합니다.
지속적이고 시각적: 생각을 잃지 마세요. 모든 것은 쿼리 가능하고, 시각화 가능하며, 확장 가능합니다.

요약

Branch-Thinking MCP 도구는 분기화된 사고, 작업, 코드 및 지식을 관리, 시각화 및 추론하는 고급 에이전트 플랫폼입니다. AI 에이전트와 사람 모두 강력한 분기 기반 패러다임을 사용하여 복잡한 프로젝트를 구성하고, 아이디어를 교차 연결하고, 인사이트 생성을 자동화할 수 있도록 지원합니다. 시맨틱 검색, 시각화 및 지속적인 작업/코드 관리 기능을 통해 차세대 협업 및 자율 워크플로를 구현하도록 설계되었습니다.

Branch-Thinking MCP 도구는 분기화된 사고, 작업, 코드 및 지식을 관리, 시각화 및 추론하는 고급 에이전트 플랫폼입니다. AI 에이전트와 사람 모두 강력한 분기 기반 패러다임을 사용하여 복잡한 프로젝트를 구성하고, 아이디어를 교차 연결하고, 인사이트 생성을 자동화할 수 있도록 지원합니다. 시맨틱 검색, 시각화 및 지속적인 작업/코드 관리 기능을 통해 차세대 협업 및 자율 워크플로를 구현하도록 설계되었습니다.

건축과 흐름

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

빠른 시작

몇 초 만에 실행 가능:

pnpm install  # Recommended for speed (or npm install)
pnpm build
node dist/index.js --help  # See available commands

시작하기

1. 복제 및 설치

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. 구성(선택 사항)

Claude Desktop 통합을 위해 claude_desktop_config.json 에 다음을 추가하세요.

"branch-thinking": {
  "command": "node",
  "args": [
    "/your-custom-mcp-dir-here/branch-thinking/dist/index.js"
  ]
}

3. 실행

node dist/index.js

실제 사용 레시피

1. 지식 수집 및 연결

# 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. 에이전트 작업 추출

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

3. 통찰력을 위한 시각화

# Generate and interpret a knowledge graph
visualize dev
# Review AI-generated summary
summarize-branch dev

🧑‍💻 실제 사례: Agentic Workflow

# 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]

[branchId] 와 [thoughtIdX] list 와 history 의 실제 ID로 바꿉니다.

명령 참조

지점 관리

명령	설명
`list`	상태가 있는 모든 지점 표시
`focus [branchId]`	지점으로 포커스 전환
`history [branchId?]`	생각의 역사를 보여주세요
`summarize-branch [branchId?]`	AI 지점 요약
`review-branch [branchId?]`	지점별 AI 검토
`visualize [branchId?]`	연결의 시각적 그래프

사고와 통찰 경영

명령	설명
`insights [branchId?]`	AI가 생성한 통찰력을 얻으세요
`crossrefs [branchId?]`	교차 참조 표시
`hub-thoughts [branchId?]`	허브 생각 목록
`semantic-search [query]`	비슷한 생각을 찾아보세요
`link-thoughts [from] [to] [type] [reason?]`	두 가지 생각을 연결하세요
`add-snippet [content] [tags]`	코드 조각 저장
`snippet-search [query]`	검색 코드 조각
`doc-thought [thoughtId]`	생각을 문서화하다

작업 관리

명령	설명
`extract-tasks [branchId?]`	실행 가능한 항목 추출
`list-tasks [branchId] [status] [assignee] [due]`	작업 목록/필터링
`update-task-status [taskId] [status]`	작업 상태 업데이트
`summarize-tasks [branchId]`	작업 요약

AI와 지식

명령	설명
`ask [question]`	지식베이스에서 AI 답변

모범 사례

깔끔한 컨텍스트를 보장하려면 항상 create-branch 로 시작하세요.
list 과 focus 활용해 프로젝트나 사고의 흐름을 탐색하세요.
AI가 생성한 맥락을 얻기 위해 여러 가지 생각을 추가한 후 summarize-branch 및 insights 활용합니다.
link-thoughts 사용하여 아이디어, 작업 또는 코드를 명확하게 연결하여 더욱 풍부한 의미 그래프를 만듭니다.
코드를 변경한 후에는 항상 pnpm lint 와 pnpm build 실행하여 오류를 일찍 잡으세요.
복잡한 목표를 일련의 생각/업무/통찰력 명령으로 분해합니다.
반복하고 적응하세요. 요약, 검토, 시각화를 통해 얻은 피드백을 활용하여 다음 작업을 개선하세요.
정확한 결과를 얻으려면 매개변수(branchId, status, assignee 등)를 명시적으로 지정하세요.
창의성을 키우고 아이디어를 연결하기 위해 교차 참조와 멀티홉 링크를 활용하세요.
최상의 결과를 얻으려면 에이전트(클로드, GPT-4 등)에게 "단계별로 생각"하거나 "생각의 사슬을 활용"하라고 지시하세요.

보안

모든 영구 데이터는 로컬에 저장됩니다(기본값: 프로젝트 디렉토리 또는 MCP_STORAGE_PATH )
구성하지 않는 한 외부 API 호출은 없습니다.
에이전트/사용자는 저장된 생각과 작업의 개인 정보 보호에 책임이 있습니다.
보안 문제를 보고하려면 문제를 개설 하거나 관리자에게 이메일을 보내주세요.

문제 해결 및 FAQ

질문: 도구가 응답하지 않습니다! 답변: MCP 서버 로그를 확인하고 구성이 올바른지 확인하세요.

질문: 저장소를 어떻게 재설정하나요? 답변: 영구 저장소 디렉터리를 삭제하거나 이동하세요(config 참조).

질문: 새 명령을 추가하려면 어떻게 해야 하나요? 답변: src/index.ts 에서 handleCommand 확장하고 README에 문서화하세요.

접근성 및 국제화

모든 배지/이미지에는 설명적인 대체 텍스트가 있습니다.
기본 언어는 영어입니다. 번역에 대한 기여를 환영합니다.
이 도구의 현지화에 도움을 주고 싶으시다면 PR이나 이슈를 공개해 주세요.

기여하다

기여, 이슈, 기능 요청을 환영합니다! GitHub에 PR이나 이슈를 등록해 주세요.

이 저장소를 포크하세요
새로운 브랜치를 생성합니다( git checkout -b feature/your-feature )
변경 사항을 커밋하세요
지점으로 밀어 넣기
풀 리퀘스트 열기

참고문헌 및 관련 프로젝트

크레딧

컨셉 및 테스트: @ssdeanx
핵심 코드 생성: Claude, GPT-4 및 Cascade
구현, 수정 및 문서: @ssdeanx

특허

MIT

Available Tools

1 tool

branch-thinkingC

Branch-Thinking Tool

Purpose: Use branching commands to create, navigate, and analyze thought branches and tasks.

Usage: Provide a JSON payload with 'type' and relevant parameters in 'args' object. The tool returns an array of items in the format { type: string, text: string }.

Supported Commands:

create-branch: { type: 'create-branch', branchId }
focus: { type: 'focus', branchId }
add-thought: { type: 'add-thought', branchId, content }
semantic-search: { type: 'semantic-search', query, topN? }
extract-tasks: { type: 'extract-tasks', branchId? }
visualize: { type: 'visualize', branchId?, options? }
list-branches: { type: 'list-branches' }
history: { type: 'history', branchId }
insights: { type: 'insights', branchId }
crossrefs: { type: 'crossrefs', branchId }
hub-thoughts: { type: 'hub-thoughts', branchId }
link-thoughts: { type: 'link-thoughts', fromThoughtId, toThoughtId, linkType, reason? }
add-snippet: { type: 'add-snippet', content, tags, author? }
snippet-search: { type: 'snippet-search', query, topN? }
summarize-branch: { type: 'summarize-branch', branchId? }
doc-thought: { type: 'doc-thought', thoughtId }
review-branch: { type: 'review-branch', branchId? }
ask: { type: 'ask', question }
summarize-tasks: { type: 'summarize-tasks', branchId? }
advance-task: { type: 'advance-task', taskId, status }
assign-task: { type: 'assign-task', taskId, assignee }
reset-session: { type: 'reset-session' }
clear-cache: { type: 'clear-cache' }
get-cache-stats: { type: 'get-cache-stats' }

Visualization Options:

clustering: { type: 'clustering', algorithm? }
centrality: { type: 'centrality', metric? }
overlays: { type: 'overlays', features? }
analytics: { type: 'analytics', metrics? }

Example Calls and Expected Responses:

// Add a thought
{ "name": "branch-thinking", "args": { "type": "add-thought", "branchId": "research", "content": "Define MCP best practices" } }
// →
[{"type":"text","text":"Thought added to branch research."}]

// Get insights
{ "name": "branch-thinking", "args": { "type": "insights", "branchId": "research" } }
// →
[{"type":"text","text":"Insights for branch research: ['Best practices cluster around workflow safety and semantic search.', 'Cross-references indicate high reuse of planning patterns.']"}]

// Get cross-references
{ "name": "branch-thinking", "args": { "type": "crossrefs", "branchId": "research" } }
// →
[{"type":"text","text":"Cross-references for branch research: [{ from: 't1', to: 't3', type: 'supports', reason: 't1 evidence for t3' }, { from: 't2', to: 't4', type: 'related' }]"}]

// Extract tasks
{ "name": "branch-thinking", "args": { "type": "extract-tasks", "branchId": "research" } }
// →
[{"type":"text","text":"Tasks extracted: [{ id: 'task-123', content: 'Document MCP safety rules', status: 'open' }]"}]

// Summarize tasks
{ "name": "branch-thinking", "args": { "type": "summarize-tasks", "branchId": "research" } }
// →
[{"type":"text","text":"Task summary: 1 open, 2 in progress, 0 closed."}]

// Advance a task
{ "name": "branch-thinking", "args": { "type": "advance-task", "taskId": "task-123", "status": "in_progress" } }
// →
[{"type":"text","text":"Task task-123 status updated to in_progress."}]

// Assign a task
{ "name": "branch-thinking", "args": { "type": "assign-task", "taskId": "task-123", "assignee": "alice" } }
// →
[{"type":"text","text":"Task task-123 assigned to alice."}]

// Semantic search
{ "name": "branch-thinking", "args": { "type": "semantic-search", "query": "workflow planning", "topN": 3 } }
// →
[{"type":"text","text":"Top 3 semantic matches for 'workflow planning' returned."}]

// Link thoughts
{ "name": "branch-thinking", "args": { "type": "link-thoughts", "fromThoughtId": "t1", "toThoughtId": "t2", "linkType": "supports" } }
// →
[{"type":"text","text":"Linked thought t1 to t2 as 'supports'."}]

// Summarize branch
{ "name": "branch-thinking", "args": { "type": "summarize-branch", "branchId": "research" } }
// →
[{"type":"text","text":"Summary for branch research: ..."}]

// Review branch
{ "name": "branch-thinking", "args": { "type": "review-branch", "branchId": "research" } }
// →
[{"type":"text","text":"Branch research reviewed. 2 suggestions found."}]

ParametersJSON Schema

Name	Required	Description
`content`	No	Thought content (string) or batch of thoughts (array of objects).
`branchId`	No	Branch ID to associate with the thought(s). If omitted, a new branch may be created or the active branch used.
`parentBranchId`	No	Optional: ID of the parent branch for hierarchical organization.
`type`	No	Thought type: e.g., 'analysis', 'hypothesis', 'observation', 'task', etc. Used for filtering and scoring.
`confidence`	No	Optional: Confidence score (0-1) for the thought, for ranking or filtering.
`keyPoints`	No	Optional: Key points or highlights extracted from the thought.
`relatedInsights`	No	Optional: IDs of related insights, for semantic linking.
`crossRefs`	No	Optional: Array of cross-references to other branches, with type, reason, and strength.
`command`	No	Optional: Navigation or workflow command. Used for agentic/AI interactions.

TDQS

C2.8/5.0

Behavior2/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

With no annotations provided, the description carries full burden for behavioral disclosure. While it lists commands and shows example responses, it lacks critical behavioral details: no information about permissions needed, whether operations are destructive, rate limits, error handling, or persistence behavior. The examples show return formats but don't explain system behavior comprehensively.

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness3/5

Is the description appropriately sized, front-loaded, and free of redundancy?

The description is well-structured with clear sections (Purpose, Usage, Supported Commands, Visualization Options, Examples). However, it's overly verbose with extensive example calls that could be condensed. The front-loaded purpose is clear, but the length could be optimized for better conciseness.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness2/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

Given the tool's complexity (9 parameters, nested objects, no output schema, no annotations), the description is incomplete. While it documents commands and shows examples, it lacks crucial context about system behavior, error conditions, authentication requirements, and operational constraints. For such a sophisticated tool with multiple command types, more comprehensive documentation is needed.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters3/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

Schema description coverage is 100%, providing good documentation of all 9 parameters. The description adds some value by listing specific command types and their parameters in the 'Supported Commands' section, but this largely duplicates what's in the schema's command object. It doesn't provide additional semantic context beyond what the schema already documents well.

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose4/5

Does the description clearly state what the tool does and how it differs from similar tools?

The description clearly states the tool's purpose as 'to create, navigate, and analyze thought branches and tasks' with specific verbs and resources. However, since there are no sibling tools mentioned, it cannot demonstrate differentiation from alternatives, preventing a perfect score.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines2/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

The description provides basic usage instructions ('Provide a JSON payload with type and args') but offers no guidance on when to use specific commands versus alternatives, no context about prerequisites, and no exclusions. It lists commands without explaining their appropriate contexts.

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

Install Server

RayrunBuild, deploy, and operate MCP servers without becoming an infrastructure team.ray.runAd

TDQS

B3.2/5.0

Disambiguation5/5

The single tool 'branch-thinking' has no other tools to be confused with, so disambiguation is perfect. All functionality is contained within one tool, eliminating any possibility of misselection between multiple tools.

Naming Consistency5/5

With only one tool named 'branch-thinking', naming consistency is inherently perfect. There are no other tool names to compare against, so no inconsistency can exist in the tool set.

Tool Count2/5

The server has only one tool despite offering extensive functionality (over 20 commands). This is a significant mismatch as the domain suggests a need for multiple specialized tools (e.g., separate tools for branch management, task operations, search, etc.). A single tool forces all operations through one interface, which is inappropriate for the apparent scope.

Completeness5/5

The tool provides comprehensive coverage for thought branching and task management, including creation, navigation, analysis, visualization, task extraction, assignment, and various utility functions. No obvious gaps exist; it supports full lifecycle operations for branches, thoughts, and tasks within its domain.

Maintenance

ActivityInactive

ResponsivenessNo issues

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Connectors

MindMap A
com.keenethics-labs
Turn outlines and hierarchical notes into interactive mind maps through a hosted remote MCP server.
Note Taking Data Visualization
12
anotherai
dev.anotherai
MCP server for building and testing AI agents with multi-model experimentation and insights.
Agent Orchestration Autonomous Agents Testing & QA Tools
2
Living Memory
to.viibe
An MCP memory server. One memory your agents share — across models, devices and apps.
Knowledge & Memory Autonomous Agents AI & Machine Learning
32
hjarni AOAuth
com.hjarni
Markdown-based note-taking with a hosted MCP server. Your notes serve you and your AI.
Note Taking Workplace & Productivity
3

Related MCP Servers

Branch Thinking MCP Server
Research & Data Note Taking Autonomous Agents
m-siles
A
license
B
quality
D
maintenance
An MCP server for navigating thought processes using branches, supporting thought cross-references and priority tracking to enhance insight generation and structured idea exploration.
Updated 8 months ago (2026-01-07 16:17 UTC)
1
43
MIT
Thought Space - MCP Advanced
Autonomous Agents RAG Systems Knowledge & Memory
ssdeanx
A
license
C
quality
D
maintenance
An MCP tool enabling structured thinking and analysis across multiple AI platforms through branch management, semantic analysis, and cognitive enhancement.
Updated a year ago (2025-03-17 16:36 UTC)
1
21
MIT
MCP Thinking Server
Autonomous Agents AI & Machine Learning
VitalyMalakanov
A
license
Not graded
quality
D
maintenance
A powerful MCP server that enhances LLMs with advanced sequential thinking capabilities, supporting 19 thinking modes for structured reasoning and complex cognitive tasks.
Updated a year ago (2025-05-25 18:13 UTC)
17
MIT
ideahub_mcp
Note Taking Knowledge & Memory
CobraChickenAI
A
license
A
quality
C
maintenance
An MCP server for capturing and recalling ideas, designed for both agents and humans. It provides tools for durable ideas, checkpoints, search, and deduplication.
Updated 4 months ago (2026-05-15 02:44 UTC)
13
MIT

Appeared in Searches

Latest Blog Posts

Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)
By Om-Shree-0709 on July 25, 2026.
mcp
Agent Identity
OAuth 2.1
Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/ssdeanx/branch-thinking-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server

🚦 지점 사고 MCP 도구

특징

🛠️ 기술 스택

로드맵(간트)

목차

왜 지점 사고방식을 가져야 할까요?

요약

건축과 흐름

빠른 시작

시작하기

1. 복제 및 설치

2. 구성(선택 사항)

3. 실행

실제 사용 레시피

1. 지식 수집 및 연결

2. 에이전트 작업 추출

3. 통찰력을 위한 시각화

🧑‍💻 실제 사례: Agentic Workflow

명령 참조

지점 관리

사고와 통찰 경영

작업 관리

AI와 지식

모범 사례

보안

문제 해결 및 FAQ

접근성 및 국제화

기여하다

참고문헌 및 관련 프로젝트

크레딧

특허

Available Tools

Branch-Thinking Tool

TDQS

TDQS

Maintenance

Resources

Looking for Admin?

Related MCP Connectors

Related MCP Servers

Branch Thinking MCP Server

Thought Space - MCP Advanced

MCP Thinking Server

ideahub_mcp

Appeared in Searches

Latest Blog Posts

MCP directory API