推理引擎

MCP 推理器

一个用于Claude Desktop的推理实现，让您能够同时使用波束搜索和蒙特卡洛树搜索（MCTS）。说实话，这最初是为了看看我们能否让Claude在解决复杂问题方面表现得更好……结果证明，我们确实可以。

当前版本：

v2.0.0

更新内容：

添加了2种实验性推理算法：

复制

- `mcts-002-alpha`

    - Uses the A* Search Method along with an early *alpha* implementation of a Policy Simulation Layer

    - Also includes an early *alpha* implementation of Adaptive Exploration Simulator & Outcome Based Reasoning Simulator

*NOTE* the implementation of these alpha simulators is not complete and is subject to change

- `mcts-002alt-alpha`

    - Uses the Bidirectional Search Method along with an early *alpha* implementation of a Policy Simulation Layer

    - Also includes an early *alpha* implementation of Adaptive Exploration Simulator & Outcome Based Reasoning Simulator

*NOTE* the implementation of these alpha simulators is not complete and is subject to change

发生了什么事 mcts-001-alpha 和 mcts-001alt-alpha根据您的要求，由于原文内容为空，我无法提供具体的翻译。如果您有需要翻译的中文原文，请提供给我，我将负责将其翻译成中文（注：此句为说明性翻译，实际翻译工作基于提供的原文进行）。

简而言之：它毫无用处，且与基准几乎相似 mcts 方法。初步测试后，结果显示基本思维过程相似，这表明仅仅增加政策模拟可能没有效果。

那么现在为什么要添加策略模拟层呢？

嗯，我认为同时结合策略和搜索是很重要的，因为大多数算法都是这样实现它们的。

前一个版本：

v1.1.0

增加了对搜索参数的模型控制：

beamWidth - 允许Claude调整要追踪的路径数量（1-10）

numSimulations - 微调MCTS模拟次数（1-150）

功能

• 两种可切换的搜索策略：
  • 束搜索（适用于简单直接的内容）
  • 蒙特卡洛树搜索（当情况变得复杂时）结合阿尔法变体（见上文）
• 追踪不同推理路径的优劣
• 描绘出克劳德思考问题的所有不同方式
• 分析推理过程是如何进行的
• 遵循MCP协议（显然）

安装

git clone https://github.com/frgmt0/mcp-reasoner.git 

OR clone the original:

git clone https://github.com/Jacck/mcp-reasoner.git

cd mcp-reasoner
npm install
npm run build

配置

添加到Claude Desktop配置：

{
  "mcpServers": {
    "mcp-reasoner": {
      "command": "node",
      "args": ["path/to/mcp-reasoner/dist/index.js"],
    }
  }
}

测试

更多测试即将上线

基准测试

[基准测试将很快添加]

待测试的关键基准：

• MATH500

• GPQA-Diamond

• GMSK8

• 也许Polyglot和/或SWE-Bench

许可证

该项目根据MIT许可证授权 - 请参阅 许可证 详情文件。