推理服务器

MCP Reasoner是一个为Claude Desktop设计的系统化推理服务器,支持束搜索和蒙特卡洛树搜索两种策略,适用于数学问题、逻辑谜题和复杂决策分析。

  • by parmarjh
  • TypeScript
  • 本地部署
  • 12 星标
  • 更新于
在 GitHub 查看 parmarjh/mcp-reasoner

使用说明

MCP推理机

Claude Desktop的系统推理MCP服务器实现,具有波束搜索和蒙特卡洛树搜索(MCTS)功能。

特性

  • 双重搜索策略:
    • 可配置宽度的波束搜索
    • 复杂决策空间的MCTS
  • 思想评分与评价
  • 基于树的推理路径
  • 推理过程的统计分析
  • MCP协议合规性

安装

git clone https://github.com/Jacck/mcp-reasoner.git
cd mcp-reasoner
npm install
npm run build

配置

添加到Claude桌面配置:

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

搜索策略

波束搜索

  • 保持固定宽度的最有前途的路径集
  • 最适合逐步推理
  • 最适合:数学问题、逻辑谜题

蒙特卡洛树搜索

  • 基于仿真的决策空间探索
  • 平衡勘探和开采
  • 最适合:结果不确定的复杂问题

注: 蒙特卡洛树搜索使克劳德在Arc AGI基准测试中表现得非常好(在公开测试中得分6/10),而光束搜索在相同的谜题中得分为(3/10)。对于超复杂的任务,您需要指导Claude在波束搜索中使用MCTS策略。

算法详细信息

  1. 搜索策略选择
    • 梁搜索:评估多个解决方案路径并对其进行排名
    • MCTS:使用UCT进行节点选择和随机展开
  2. 思维评分基于:
    • 详细程度
    • 数学表达式
    • 逻辑纽带
    • 亲子关系强度
  3. 流程管理
    • 基于树的状态跟踪
    • 推理的统计分析
    • 进度监控

用例

  • 数学问题
  • 逻辑谜题
  • 逐步分析
  • 复杂问题分解
  • 决策树探索
  • 策略优化

未来的实施

  • 实现新算法
    • 迭代深化深度优先搜索(IDDFS)
    • 阿尔法贝塔修剪

许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。