Skip to main content
Glama
vvn6d4zg82-byte

need-overthink

by vvn6d4zg82-byte
OverviewSchemaSourceRelated ServersScoreDiscussionsAdmin
Python
Hybrid

need-overthink-mcp（小鲸鱼爱多想）

一个给 MCP 客户端 / Agent / Dify 工作流用的“新想法顶层设计 + 视野扩展 + 风险评估”工具。

解决什么

当用户提出一个新想法，且现有缓存/知识库没有命中时，AI 不应该直接闷头给方案，也不该假设人已经了解所有相关技术。 这个 MCP 工具会：

  1. 识别想法所属技术领域（视觉、音频、LLM、IoT、Web、机器人、数据、视频……）；

  2. 基于内置领域知识库，或接收调用方传入的外部搜索结果，整理一批相关技术；

  3. 生成一个长多选反问：“下面这些技术里，哪些你已经听过/用过/有概念？”；

  4. 同时固定给出拓展视野选项：直接给方案 / 去 GitHub 找思路 / 拆解上位设计 / 反向梳理 / 风险评估；

  5. 用户确认技术后，再对选中的技术追问具体设定、版本、环境；

  6. 遇到具体概念（如 K8s RBAC、MCP、RAG）时，可以向上拆解上位设计，也可以反向梳理它到底解决什么问题。

这样 AI 既能从用户已有概念出发，也能帮人打开视野，把顶层设计和风险评估交给人来拍板。

工具

工具

参数

说明

probe_idea_question

idea、domain?、search_results?、max_options?

核心工具：缓存未命中时，生成 question + options 的多选反问

probe_technology_details

idea、selected_technologies?、selected_ids?

第二步：用户确认技术后，对每项技术追问版本/环境/部署等具体设定

list_design_options

idea、domain?、search_results?、max_options?

列出技术选项 + 固定位视角选项（GitHub/上位/反推/风险等）

search_github_ideas

idea、github_results?、query?

去 GitHub 找思路，提炼别人怎么做

analyze_upper_design

subject、idea?

拆解上位设计：从具体概念上升到通用模型，再分析实现

reverse_reasoning

subject、idea?

反向梳理：从具体方案反推它解决什么问题、我们需要吗

assess_risks

idea、design?

快速风险评估，给人做顶层决策

finalize_plan

idea、design?、decisions?

汇总成高层计划，供人审阅和拍板

capture_idea

idea、goal?、constraints?、preferred_approach?

记录新想法、目标和约束，作为顶层设计入口

save_insight

subject、insight_type、content、related_idea?

保存设计洞察/学习卡片，方便后续反查

list_insights

subject?、insight_type?

检索已保存的上位设计/反推/GitHub 思路/风险卡片

add_design_node

name、kind?、note?

在设计树/双向关系图添加节点

add_design_relation

source、target、relation

在设计树添加关系（implementation_of / solves / related / trigger）

get_design_tree

subject、depth?

从设计树取出上位设计、实现分支、反推问题、相关概念

get_design_graph

无

返回整张设计树/双向关系图

create_harness_workflow

idea、goal?

创建顶层设计工作流

advance_harness_workflow

workflow_id、completed_step?

推进工作流到下一步

list_harness_workflows

无

列出当前工作流

find_related_technologies

idea、domain?、max_options?

辅助工具：只看相关技术清单，不生成反问

工作流示例

用户：我想做一个能识别猫的树莓派摄像头
  ↓
知识库/缓存查询：未命中
  ↓
（可选）外部搜索：["YOLO: 目标检测", "MediaPipe: 手部/物体跟踪", "树莓派: 边缘硬件"]
  ↓
MCP 调用：probe_idea_question(
    idea="我想做一个能识别猫的树莓派摄像头",
    search_results=["YOLO: 目标检测", "MediaPipe: 手部/物体跟踪", "树莓派: 边缘硬件"]
)
  ↓
返回：
{
  "cache_hit": false,
  "should_ask": true,
  "question": "关于……先确认一下：下面这些技术里，哪些你已经听过/用过/大致知道是干嘛的？可以多选……",
  "options": [
    {"id": 1, "name": "YOLO", "hint": "目标检测模型", "category": "视觉/检测"},
    {"id": 2, "name": "MediaPipe", "hint": "Google 跨平台视觉方案", "category": "视觉/交互"},
    ...
  ],
  "answer_hint": "请回复编号（如 1,3,5）……"
}

用户回复：1,2,3（表示对 YOLO、MediaPipe、树莓派有概念） ↓ MCP 调用：probe_technology_details( idea="我想做一个能识别猫的树莓派摄像头", selected_ids="1,2,3" ) ↓ 返回： { "ok": true, "selected_technologies": ["YOLO", "MediaPipe", "树莓派 / Pi Camera"], "technology_details": [ { "technology": "YOLO", "category": "视觉/检测", "questions": [ "你心里想用 YOLOv5 / YOLOv8 / YOLO11，还是其他版本？", "是要自己训练模型，还是只用别人训练好的预训练权重？", "训练和推理环境是什么？最终要部署在哪里？" ] }, { "technology": "MediaPipe", "category": "视觉/交互", "questions": [ "你用的是 MediaPipe Tasks 还是 Legacy API？", "需要人脸/手势/姿态/目标检测中的哪个能力？", "目标平台是 Python / Android / iOS / Web / 树莓派？" ] }, { "technology": "树莓派 / Pi Camera", "category": "硬件/视觉", "questions": [ "你手上是树莓派哪个型号（Zero / 3B+ / 4B / 5）？", "系统是 Raspberry Pi OS 还是 Ubuntu Server？", "摄像头是官方 Pi Camera 还是 USB 摄像头？" ] } ], "question": "关于……你已经确认了这些技术，我再确认几个具体设定……", "answer_hint": "请逐项告诉我版本、环境、目标平台和限制……" }


## 视野扩展示例

```text
用户：我在了解 MCP 时看到了 K8s RBAC，为什么会有这个东西？

→ analyze_upper_design(subject="K8s RBAC")
  上位设计：权限控制 / 访问控制
  实现分支：ACL / RBAC / ABAC / 策略引擎 / 云 IAM

→ reverse_reasoning(subject="K8s RBAC")
  原始问题：多用户、多资源环境下，需要明确谁能对什么资源做什么操作
  反查：我们的项目里是否真的需要 RBAC？
       如果只是内部单用户工具，可以先不做；如果是多用户系统，再引入简化版角色权限。

→ search_github_ideas(idea="MCP 权限管理")
  去 GitHub 看看别人怎么给 MCP Server/Client 做权限、鉴权和工具白名单。

安装与接入（AI 自装）

把本仓库位置（GitHub）告诉你的 AI 客户端，AI 会自行完成接入：

  1. 读本 README 与 pyproject.toml，确认环境（Python 3.11+ 与 uv）；

  2. 用 uvx need-overthink（免安装即可运行）或 uv pip install -e . 就位；

  3. 按当前宿主接入：DeepSeek Harness 导入 preset；Claude Code 执行 claude mcp add need-overthink -- uvx need-overthink；

  4. 自检 19 个工具可调用后，向人汇报完成。

首次安装需要人工授权；后续更新走白名单静默升级。

DeepSeek Harness 工作流编排

create_harness_workflow(idea="MCP 权限管理方案", goal="判断是否需要 RBAC")
  ↓
workflow #1 创建成功
  ↓
advance_harness_workflow(workflow_id=1)
  ↓
下一步：list_design_options

工作流默认编排：

capture_idea
→ list_design_options
→ analyze_upper_design
→ reverse_reasoning
→ assess_risks
→ finalize_plan

设计树 / 双向关系图示例

add_design_node(name="K8s RBAC", kind="tech")
add_design_node(name="权限控制", kind="design")
add_design_relation(source="K8s RBAC", target="权限控制", relation="implementation_of")
add_design_relation(source="K8s RBAC", target="多用户环境下的越权风险", relation="solves")

get_design_tree(subject="K8s RBAC")
  ↓
{
  "upper_designs": ["权限控制"],
  "implementations": [],
  "reverse_problems": ["多用户环境下的越权风险"],
  "related": ["RBAC / ABAC / ACL / 策略引擎"]
}

更多上位设计知识库

目前已补入：

  • 插件系统 / 可扩展架构

  • 异步消息 / 事件驱动架构

  • 缓存与性能加速

  • 多租户架构

  • 工作流编排 / 流程引擎

  • 实时通信架构

  • MLOps / 模型生命周期管理

  • 可观测性

  • 身份认证与会话管理

  • 状态机 / 有限状态机

  • 幂等 / 重试 / 分布式可靠性

  • API 网关 / 统一入口

开发与运行

cd need-overthink-mcp
uv sync          # 或 pip install -e .
uv run need-overthink              # stdio（默认）
uv run need-overthink sse          # 可选
uv run need-overthink streamable-http   # 可选

客户端接入示例（Claude Desktop / Dify MCP 插件）

{
  "mcpServers": {
    "need-overthink": {
      "command": "D:\\11\\Ayxi\\ai infra\\need-overthink-mcp\\.venv\\Scripts\\need-overthink.exe"
    }
  }
}

如果已经 uv sync，可以用 uv run uv build 或 pip install . 后，用 where need-overthink 查实际路径。

设计说明

  • 不真正联网：search_results 由上游 Agent/搜索引擎传入；工具也内置了常见领域知识，保证没有外部搜索也能给出可用的追问。

  • 进程内缓存：同一 idea + domain + search_results 会缓存，避免重复打扰用户；重启后清空，适合接入层再做持久缓存。

  • 结构化返回：除了自然语言 question，还返回 options，方便前端渲染成多选按钮/复选框，或让 LLM 稳定转述。

  • 轻依赖：只依赖 mcp>=2，Python 3.11+。