关键词

推理规划智能体本地LLMOllama

Deepseek R1 Reasoner MCP Server 使用说明

项目简介

Deepseek R1 Reasoner MCP Server 是一个实现了 Model Context Protocol (MCP) 的服务器，旨在为本地运行的 LLM 客户端提供强大的推理和规划能力。它利用 Deepseek R1 模型作为推理引擎，并可以通过 Ollama 在本地运行，无需依赖远程模型服务。此服务器提供了一个名为 "reasoner" 的工具，LLM 客户端可以调用该工具来获取任务或上下文的规划建议。

主要功能点

  • 推理规划工具: 提供 "reasoner" 工具，帮助 LLM 客户端进行任务分解、步骤规划和问题分析，尤其适用于复杂任务的启动阶段。
  • 本地模型支持: 基于 Ollama 运行 Deepseek R1 模型，所有计算都在本地进行，保护数据隐私并提高响应速度。
  • MCP 标准协议: 遵循 MCP 协议标准，易于与各种 MCP 客户端集成，实现即插即用的上下文服务。
  • 简单易用: 通过简单的命令行即可启动服务器，配置和使用都非常便捷。

安装步骤

  1. 安装 Node.js 和 npm: 确保您的系统已安装 Node.js 和 npm (Node 包管理器)。
  2. 安装 deepseek-reasoner-mcp: 打开终端，运行以下命令全局安装 'deepseek-reasoner-mcp' 包： 
    npm install -g deepseek-reasoner-mcp
    或者使用 'npx' 直接运行，无需全局安装。
  3. 安装并运行 Ollama: 确保已安装 Ollama 并成功运行，Deepseek R1 Reasoner MCP Server 依赖 Ollama 提供模型服务。请参考 Ollama 官方文档 (https://ollama.com/) 安装和配置 Ollama，并确保 Deepseek R1 模型已在 Ollama 中可用 (例如，通过 'ollama pull deepseek-r1' 命令拉取模型)。
  4. 验证 Ollama 连接: 首次运行服务器时，会自动测试与 'http://localhost:11434/api/version' 的 Ollama 连接。如果连接失败，请检查 Ollama 是否正在运行并且端口是否正确。

服务器配置

MCP 客户端需要以下 JSON 格式的配置信息来连接 Deepseek R1 Reasoner MCP Server。请将以下配置添加到您的 MCP 客户端配置中：

{
  "serverName": "deepseek-reasoner-mcp",  // MCP 服务器名称，用于标识和管理连接
  "command": "npx",                     // 启动服务器的命令，这里使用 npx 运行 npm 包
  "args": [                             // 启动参数
    "deepseek-reasoner-mcp"             // 运行 deepseek-reasoner-mcp 包
  ]
}

配置参数说明:

  • 'serverName': 自定义服务器名称，例如 "deepseek-reasoner-mcp-local"。
  • 'command': 固定为 '"npx"'，用于执行 npm 包。
  • 'args': 包含一个元素 '"deepseek-reasoner-mcp"'，指定要运行的 npm 包名称。

注意: 此配置假设 Ollama 服务运行在 'http://localhost:11434'。如果您的 Ollama 服务地址或端口不同，此 MCP 服务器代码需要进行相应的修改才能连接到您的 Ollama 服务。但默认配置下，客户端无需关心 Ollama 的配置，只需要配置 MCP 服务器的启动命令即可。

基本使用方法

  1. 启动 MCP 服务器: 在终端中运行以下命令启动 Deepseek R1 Reasoner MCP Server：

    npx -y deepseek-reasoner-mcp

    或者，如果您全局安装了 'deepseek-reasoner-mcp'，可以直接运行：

    deepseek-reasoner-mcp

    服务器成功启动后，将在终端输出 "Reasoner MCP Server running with ollama on stdio"。

  2. 配置 MCP 客户端: 根据您的 MCP 客户端软件的使用说明，配置上述提供的服务器连接信息。

  3. 调用 "reasoner" 工具: 在您的 LLM 客户端中，当需要进行任务规划或推理时，可以调用名为 "reasoner" 的工具。调用时需要提供 'context' 参数，描述您希望进行规划的任务或上下文。例如，如果您想让模型为您规划一个旅行计划，您可以将 'context' 设置为 "Plan a 3-day trip to Tokyo"。

  4. 接收推理结果: 服务器将调用 Deepseek R1 模型进行推理，并将生成的规划建议以文本形式返回给 LLM 客户端。客户端可以解析返回的文本内容，并将其用于后续的决策或操作。

示例调用 (假设使用 MCP 客户端 SDK):

// 假设 client 是已连接到 MCP 服务器的客户端实例
const response = await client.callTool({
  tool_call: {
    name: "reasoner",
    arguments: {
      context: "Help me plan a study schedule for my upcoming exams."
    }
  }
});

if (response.tool_call_result) {
  const reasoningResult = response.tool_call_result.content[0].text;
  console.log("Reasoning Result:", reasoningResult);
}

通过以上步骤，您就可以成功使用 Deepseek R1 Reasoner MCP Server 为您的本地 LLM 应用提供强大的推理和规划能力。

信息

分类

AI与计算

访问项目