链式草稿推理服务器

草稿链（CoD）MCP服务器

概述

该MCP服务器实现了草稿链（CoD）推理方法，如研究论文“草稿链：少写多想”中所述。CoD是一种新颖的范式，允许LLM在解决任务时生成简洁但信息丰富的中间推理输出，在保持准确性的同时显著减少令牌使用。

关键利益

• 效率：代币使用量大幅减少（仅为标准CoT的7.6%）
• 速度：由于生成时间更短，响应速度更快
• 成本节约：降低LLM调用的API成本
• 保持准确性：与CoT相比，精度相似甚至有所提高
• 灵活性：适用于各种推理任务和领域

特性

1. 草案实施的核心链

   • 简洁的推理步骤（通常不超过5个单词）
   • 格式强制
   • 答案抽取

2. 性能分析

   • 令牌使用跟踪
   • 解决方案精度监控
   • 执行时间测量
   • 特定领域的性能指标

3. 自适应字数限制

   • 自动复杂度估计
   • 字数限制的动态调整
   • 特定域校准

4. 综合示例数据库

   • CoT到CoD的转变
   • 特定领域的示例（数学、代码、生物学、物理、化学、拼图）
   • 基于问题相似度的示例检索

5. 格式强制

   • 后处理以确保遵守字数限制
   • 台阶结构保护
   • 依从性分析

6. 混合推理方法

   • CoD和CoT之间的自动选择
   • 特定领域优化
   • 历史绩效选择

7. OpenAI API兼容性

   • 直接替换标准OpenAI客户端
   • 支持补全和聊天界面
   • 轻松集成到现有工作流中

设置和安装

先决条件

• Python 3.10+（用于Python实现）
• Node.js 18+（用于JavaScript实现）
• 无烟煤API键

Python安装

1. 克隆存储库
2. 安装依赖项：
   复制

   pip install -r requirements.txt
   

3. 在中配置API密钥 .env 文件：
   复制

   ANTHROPIC_API_KEY=your_api_key_here
   

4. 运行服务器：
   复制

   python server.py
   

JavaScript安装

1. 克隆存储库
2. 安装依赖项：
   复制

   npm install
   

3. 在中配置API密钥 .env 文件：
   复制

   ANTHROPIC_API_KEY=your_api_key_here
   

4. 运行服务器：
   复制

   node index.js
   

Claude桌面集成

要与Claude Desktop集成，请执行以下操作：

1. 从以下位置安装Claude Desktop claude.ai/下载

2. 创建或编辑Claude Desktop配置文件：

   复制

   ~/Library/Application Support/Claude/claude_desktop_config.json
   

3. 添加服务器配置（Python版本）：

   复制

   {
       "mcpServers": {
           "chain-of-draft": {
               "command": "python3",
               "args": ["/absolute/path/to/cod/server.py"],
               "env": {
                   "ANTHROPIC_API_KEY": "your_api_key_here"
               }
           }
       }
   }
   

   或者对于JavaScript版本：

   复制

   {
       "mcpServers": {
           "chain-of-draft": {
               "command": "node",
               "args": ["/absolute/path/to/cod/index.js"],
               "env": {
                   "ANTHROPIC_API_KEY": "your_api_key_here"
               }
           }
       }
   }
   

4. 重新启动克劳德桌面

您还可以使用Claude CLI添加服务器：

# For Python implementation
claude mcp add chain-of-draft -e ANTHROPIC_API_KEY="your_api_key_here" "python3 /absolute/path/to/cod/server.py"

# For JavaScript implementation
claude mcp add chain-of-draft -e ANTHROPIC_API_KEY="your_api_key_here" "node /absolute/path/to/cod/index.js"

可用工具

Chain of Draft服务器提供以下工具：

开发人员使用情况

Python客户端

如果你想在Python代码中直接使用Chain of Draft客户端：

from client import ChainOfDraftClient

# Create client 
cod_client = ChainOfDraftClient()

# Use directly
result = await cod_client.solve_with_reasoning(
    problem="Solve: 247 + 394 = ?",
    domain="math"
)

print(f"Answer: {result['final_answer']}")
print(f"Reasoning: {result['reasoning_steps']}")
print(f"Tokens used: {result['token_count']}")

JavaScript客户端

对于JavaScript/Node.js应用程序：

import { Anthropic } from "@anthropic-ai/sdk";
import dotenv from "dotenv";

// Load environment variables
dotenv.config();

// Create the Anthropic client
const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

// Import the Chain of Draft client
import chainOfDraftClient from './lib/chain-of-draft-client.js';

// Use the client
async function solveMathProblem() {
  const result = await chainOfDraftClient.solveWithReasoning({
    problem: "Solve: 247 + 394 = ?",
    domain: "math",
    max_words_per_step: 5
  });
  
  console.log(`Answer: ${result.final_answer}`);
  console.log(`Reasoning: ${result.reasoning_steps}`);
  console.log(`Tokens used: ${result.token_count}`);
}

solveMathProblem();

实现细节

该服务器在Python和JavaScript实现中都可用，两者都由几个集成组件组成：

Python实现

1. 分析服务：跟踪不同问题域和推理方法的性能指标
2. 复杂性估计器：分析问题以确定适当的字数限制
3. 示例数据库：管理和检索示例，将CoT示例转换为CoD格式
4. 格式执行器：确保推理步骤符合字数限制
5. 重新分配选择器：根据问题特征在CoD和CoT之间进行智能选择

JavaScript实现

1. analyticsDb：用于跟踪性能指标的内存数据库
2. 复杂性估计器：分析问题以确定复杂性和适当的字数限制
3. 格式执行器：确保推理步骤符合字数限制
4. 推理选择器：根据问题特征和历史性能自动在CoD和CoT之间进行选择

这两种实现都遵循相同的核心原则，并提供相同的MCP工具，使其在大多数用例中可互换。

许可证

这个项目是开源的，可以在麻省理工学院的许可下使用。