使用说明

推理编码器MCP服务器

这是一个模型上下文协议（MCP）服务器，它提供了一个灵活且可配置的两阶段推理和响应生成系统。这是原版的叉子《Deepseek Thinking》第3.5章十四行诗-CLINE-MCP 该项目通过支持多个人工智能提供商和模型进行推理和编码/响应生成，显著扩展了其能力。

与原始版本相比的主要变化和改进

最初的项目是专门设计的，使用DeepSeek R1进行推理，使用Claude 3.5 Sonnet进行响应生成，两者都只能通过OpenRouter访问。这个分支将架构泛化，以支持更广泛的提供者和模型。以下是主要差异的细分：

多提供商支持： 这个分叉现在可以使用以下功能，而不是锁定在OpenRouter中：
- 开放路由
- 开放人工智能
- 人类学（克劳德）
- 深度求索
- 谷歌双子座
- 谷歌顶点AI
可配置的推理和编码模型： 最初的硬编码DeepSeek用于推理，Claude用于最终响应。此分叉允许您配置两者推理和编码/响应生成模型独立。您可以混合搭配供应商。例如，您可以使用Gemini进行推理，使用OpenAI进行最终响应。
providers.json 配置： 一个新的 providers.json 引入文件来管理每个提供者的可用模型及其特定参数（温度、topp等）。这使得添加新模型或调整现有模型变得容易，而无需修改核心代码。
环境变量配置： 推理和编码提供者/模型的选择现在主要通过环境变量来控制：
- REASONING_PROVIDER：指定推理阶段的提供者（例如。， openai, gemini, deepseek, openrouter, anthropic, vertex).
- REASONING_MODEL：指定用于推理的模型（例如。， gpt-4, gemini-pro, deepseek/deepseek-r1).
- CODING_PROVIDER：指定编码/响应生成阶段的提供程序。
- CODING_MODEL：指定最终响应的模型。
动态客户端初始化： 代码现在只根据 REASONING_PROVIDER 和 CODING_PROVIDER 设置。这避免了不必要的初始化和依赖关系。
统一 getReasoning 和 getFinalResponse: 特定于提供者的逻辑被抽象为 getReasoning 和 getFinalResponse 函数，使核心任务处理逻辑提供者不可知。
保留核心MCP结构： fork保留了使用MCP的核心结构，因此它将与任何MCP客户端集成，就像原始实现一样。它定义了 generate_response 和 check_response_status 工具以同样的方式。
保持临床整合： 与原版一样，该分叉旨在与Claude Desktop扩展Cline集成。
保留对话历史记录功能： 分叉实现保留了使用Cline的对话历史作为上下文的特点。
无硬编码型号： 新实现中没有硬编码的模型，模型在.env文件和providers.json中定义

特性

两阶段处理：
- 使用可配置模型进行初始推理（例如DeepSeek、GPT-4、Gemini Pro）。
- 使用可配置模型进行最终响应/代码生成（例如，Claude、GPT-4、DeepSeek Chat）。
- 将第一阶段的推理注入第二阶段的上下文中。
灵活的供应商和型号选择：
- 从OpenRouter、OpenAI、Anthropic、DeepSeek、Gemini和Vertex AI中选择推理和编码阶段。
- 通过以下方式轻松配置模型及其参数 providers.json 以及环境变量。
智能对话管理（继承自原版）：
- 使用文件修改时间检测活动的Cline对话。
- 处理多个并发对话。
- 自动过滤掉已结束的对话。
- 支持上下文清除。
优化参数（可配置）：
- 遵守特定于模型的上下文限制（例如，DeepSeek推理的50000个字符，响应模型的更大限制）。
- 参数如 temperature, top_p，以及 repetition_penalty 可按型号配置 providers.json.
响应轮询（继承自原始）：
- 使用轮询机制 generate_response （获取任务ID）以及 check_response_status （检查状态）。这处理了LLM调用的异步性质。

安装

通过Smithery安装

通过以下方式自动安装克劳德桌面推理编码器铁匠铺:

npx -y @smithery/cli install @mario-andreschak/mcp-reasoning-coding --client claude

手动安装

克隆此存储库:

git clone https://github.com/mario-andreschak/mcp-reasoning-coding.git
cd /mcp-reasoning-coding

安装依赖关系：
```
npm install
```

创建一个 .env 文件： 此文件将保存您的API密钥和提供商/型号选择。例子：

# --- Required API Keys (at least one) ---
OPENROUTER_API_KEY=your_openrouter_key
OPENAI_API_KEY=your_openai_key
ANTHROPIC_API_KEY=your_anthropic_key
DEEPSEEK_API_KEY=your_deepseek_key
GEMINI_API_KEY=your_gemini_key
VERTEX_PROJECT_ID=your_vertex_project_id # For Vertex AI
VERTEX_REGION=your_vertex_region         # For Vertex AI

# --- Provider and Model Selection ---
REASONING_PROVIDER=openrouter
REASONING_MODEL=deepseek/deepseek-r1
CODING_PROVIDER=openrouter
CODING_MODEL=anthropic/claude-3.5-sonnet:beta

重要提示： 您只需要为您打算使用的提供程序提供API密钥。如果你只使用OpenAI，你不需要 OPENROUTER_API_KEY例如。

providers.json 文件： 此文件定义了每个提供程序的可用模型及其参数。将此文件放入 src 文件夹。示例(src/providers.json):

{
  "openrouter": {
    "deepseek/deepseek-r1": {
      "temperature": 0.7,
      "top_p": 1
    },
    "anthropic/claude-3.5-sonnet:beta": {
      "temperature": 0.7,
      "top_p": 1,
      "repetition_penalty": 1
    },
    "deepseek/deepseek-chat":{
      "temperature": 0.7,
      "top_p": 1
    }
  },
  "openai": {
    "gpt-4": {
      "temperature": 0.7,
      "top_p": 1
    },
    "gpt-3.5-turbo": {
      "temperature": 0.7,
      "top_p": 1
    }
  },
    "anthropic": {
      "claude-3-opus-20240229": {
        "temperature": 0.7,
        "top_p": 1
      }
    },
    "deepseek": {
      "deepseek-coder": {
        "temperature": 0.7,
        "top_p": 1
      }
    },
    "gemini":{
      "gemini-pro":{

      }
    },
    "vertex": {
      "gemini-1.5-pro-002":{

      }
    }
}

extra_params: 您可以使用以下命令在模型定义中添加特定于提供程序的参数 extra_params 钥匙。请参阅每个提供商的API文档，了解有哪些选项可用。

构建服务器：
```
npm run build
```

与Cline一起使用

添加到您的临床MCP设置中（通常在 ~/.vscode/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json):

{
  "mcpServers": {
    "reasoning-coding": {
      "command": "/path/to/node",
      "args": ["/path/to/your-fork/build/index.js"],  // Adjust path
      "env": {
        // Your .env variables will be inherited, so no need to duplicate them here
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

替换 /path/to/node 和 /path/to/your-fork/build/index.js 正确的路径。

工具使用（与原始工具相同）

服务器提供与原始服务器相同的两个工具：

`generate_response`

使用配置的推理和编码模型生成响应。

{
  "prompt": string,           // Required: The question or prompt
  "showReasoning"?: boolean, // Optional: Show the reasoning process
  "clearContext"?: boolean,  // Optional: Clear conversation history
  "includeHistory"?: boolean // Optional: Include Cline conversation history
}

`check_response_status`

检查响应生成任务的状态。

{
  "taskId": string  // Required: The task ID from generate_response
}

响应轮询（与原始相同）

初始请求： 呼叫 generate_response 得到 taskId.

const result = await use_mcp_tool({
  server_name: "reasoning-coding",
  tool_name: "generate_response",
  arguments: {
    prompt: "Explain the theory of relativity.",
    showReasoning: true
  }
});

const taskId = JSON.parse(result.content[0].text).taskId;

状态检查： 投票 check_response_status 随着 taskId 直到状态为 complete （或 error).

const status = await use_mcp_tool({
  server_name: "reasoning-coding",
  tool_name: "check_response_status",
  arguments: { taskId }
});

// Example status response when complete:
{
  "status": "complete",
  "reasoning": "...",  // If showReasoning was true
  "response": "..."    // The final response
  "error": undefined   // Will have a value if an error occurred
}

发展

对于自动重建的开发：

npm run watch

它是如何工作的（扩展）

推理阶段：
- 这 getReasoning 函数会根据用户的提示（以及潜在的Cline对话历史）调用。
- 基于 REASONING_PROVIDER 环境变量、适当的提供商特定功能（例如。， getReasoningOpenAI, getReasoningGemini)被称为。
- 所选型号（来自 REASONING_MODEL)用于生成推理。
- 推理返回。
响应阶段：
- 这 getFinalResponse 从第一阶段开始，使用原始提示和推理调用函数。
- 基于 CODING_PROVIDER 环境变量，调用相应的特定于提供者的函数。
- 所选型号（来自 CODING_MODEL)结合推理生成最终响应。
- 返回响应。
MCP处理： 这 ReasoningCodingServer 类处理MCP通信、任务管理和上下文管理。它使用 getReasoning 和 getFinalResponse 用于编排两阶段流程。

许可证

MIT许可证-有关详细信息，请参阅许可证文件。

鸣谢

基于最初的Deepseek-Thinking-Claude-3.5十四行诗-CLINE-MCP项目。
受RAT（检索增强思维）概念的启发斯基拉诺.


Key improvements in this README:

*   **Clearer Title:**  A more descriptive title reflects the expanded functionality.
*   **Detailed Comparison:**  A dedicated section highlights the differences between the fork and the original.
*   **Comprehensive Installation:**  Instructions are more thorough, covering `.env` and `providers.json` setup.
*   **Provider/Model Explanation:**  The roles of environment variables and `providers.json` are clearly explained.
*   **Example `providers.json`:** A complete example helps users get started.
*   **Updated Usage:**  Reflects the new server name and configuration.
*   **Expanded "How It Works":**  Provides a more detailed explanation of the internal workings.
*   **Corrected filepaths:** Uses correct filepaths to the providers file

使用说明

推理编码器MCP服务器

与原始版本相比的主要变化和改进

特性

安装

通过Smithery安装

手动安装

与Cline一起使用

工具使用（与原始工具相同）

generate_response

check_response_status

响应轮询（与原始相同）

发展

它是如何工作的（扩展）

许可证

鸣谢

相关 MCP

图像生成服务

PRD生成服务

多模型AI路由服务

开源AI聊天机器人

深度研究报告生成工具

全模态代理框架

`generate_response`

`check_response_status`