使用说明

项目简介

MAS序贯思考MCP服务器 (MCP Server MAS Sequential Thinking) 是一个旨在提升大型语言模型（LLM）序贯思考能力的应用后端。它基于 Model Context Protocol (MCP) 构建，并集成了 Agno 框架实现多智能体系统（MAS）。该服务器通过提供结构化的思考流程，帮助LLM在复杂问题解决和决策制定中进行更深入、更有效的推理。核心功能包括资源管理（通过代码体现为集成的工具和模型）、工具注册与执行（'sequentialthinking' 工具）、以及Prompt模板定义（'sequential-thinking-starter' Prompt）。

主要功能点

序贯思考流程管理: 通过 'sequentialthinking' 工具，服务器能够处理和追踪LLM的序贯思考步骤，支持思考过程的迭代、修订和分支探索。
多智能体协作: 内置 Agno 框架，利用多智能体团队（Planner, Researcher, Analyzer, Critic, Synthesizer）协同工作，从不同角度分析和处理LLM的思考步骤，提升思考的深度和广度。
非线性思考支持: 鼓励和支持非线性的思考模式，包括思考步骤的修订（Revision）和分支探索（Branching），使LLM能够更灵活地应对复杂问题。
详细的日志记录: 提供全面的日志记录，包括每个思考步骤的详细信息，以及多智能体团队的协作过程，方便用户监控和分析思考过程。
标准MCP协议支持: 基于 FastMCP 框架构建，遵循 MCP 协议标准，易于与 MCP 客户端集成。

安装步骤

克隆仓库:

git clone https://github.com/iniarfia/mcp-server-mas-sequential-thinking.git

进入项目目录:

cd mcp-server-mas-sequential-thinking

安装依赖:
```
npm install
```

服务器配置

为了让 MCP 客户端能够连接到 MAS序贯思考MCP服务器，需要配置服务器的启动命令。以下是一个典型的 MCP 服务器配置示例，客户端需要将其配置为与服务器建立连接的信息。

{
  "serverName": "mas-sequential-thinking-server",
  "command": "npm",
  "args": ["start"],
  "transport": "stdio"
}

配置参数说明:

'serverName': 服务器的名称，可以自定义，例如 "mas-sequential-thinking-server"。
'command': 启动服务器的命令。由于项目使用 Node.js 和 npm，因此设置为 "npm"。
'args': 传递给启动命令的参数。使用 'npm start' 启动服务器，因此参数设置为 '["start"]'。
'transport': 服务器使用的传输协议。根据代码 'mcp.run(transport="stdio")'，这里设置为 '"stdio"'，表示使用标准输入输出流进行通信。

环境变量配置:

该服务器依赖以下环境变量，请确保在使用前正确配置：

'DEEPSEEK_API_KEY': DeepSeek API 密钥，用于初始化 Agno 框架中使用的 DeepSeek 模型。
'EXA_API_KEY' (可选): Exa API 密钥，如果需要使用 ExaTools 进行信息检索，则需要配置此环境变量。

可以在项目根目录下创建 '.env' 文件，并将 API 密钥配置在文件中，例如：

DEEPSEEK_API_KEY=your_deepseek_api_key
EXA_API_KEY=your_exa_api_key

基本使用方法

启动服务器: 在项目根目录下运行命令 'npm start' 启动 MCP 服务器。服务器将通过标准输入输出流 (stdio) 与 MCP 客户端进行通信。
配置 MCP 客户端: 在 MCP 客户端中，配置上述的服务器连接信息（JSON配置）。
调用 Prompt 和 Tool:
- 使用 'sequential-thinking-starter' Prompt 启动序贯思考流程，提供需要解决的问题和可选的上下文信息。
- 使用 'sequentialthinking' Tool 提交每个思考步骤。Tool 接受 'thought' (思考内容), 'thoughtNumber' (思考步骤序号), 'totalThoughts' (预计总步骤数), 'nextThoughtNeeded' (是否需要下一步思考) 等参数，并支持修订和分支思考。
查看结果: 'sequentialthinking' Tool 的返回结果为 JSON 字符串，包含了多智能体系统协调器的综合响应、思考步骤状态、分支信息以及下一步思考的指导建议。根据返回结果，客户端可以继续提交后续的思考步骤，直到完成整个序贯思考流程。

序贯思考流程示例:

客户端调用 'sequential-thinking-starter' Prompt， 例如：

{
  "jsonrpc": "2.0",
  "method": "prompt",
  "params": {
    "promptName": "sequential-thinking-starter",
    "arguments": {
      "problem": "分析提高开源项目社区活跃度的策略",
      "context": "假设项目是一个新启动的AI工具库"
    }
  },
  "id": 1
}

服务器返回 Prompt 消息，客户端将消息发送给 LLM。

LLM 根据 Prompt 指示，调用 'sequentialthinking' Tool 提交第一个思考步骤， 例如：

{
  "jsonrpc": "2.0",
  "method": "tool_call",
  "params": {
    "toolName": "sequentialthinking",
    "arguments": {
      "thought": "制定一个全面的分析框架，用于评估和提升开源项目社区的活跃度。",
      "thoughtNumber": 1,
      "totalThoughts": 5,
      "nextThoughtNeeded": true
    }
  },
  "id": 2
}

服务器通过多智能体系统处理思考步骤，并返回 JSON 结果。 客户端解析结果，获取协调器的响应和下一步指导。
根据服务器的返回结果和指导，LLM 继续调用 'sequentialthinking' Tool 提交后续的思考步骤， 例如修订之前的思考，或探索新的思考分支，直到 'nextThoughtNeeded' 为 'false'，或达到预期的思考深度。

注意事项

确保已安装 Node.js 和 npm。
首次运行前请先安装项目依赖 'npm install'。
务必配置 'DEEPSEEK_API_KEY' 环境变量。
可以根据需要配置 'EXA_API_KEY' 环境变量以启用信息检索功能。
服务器日志文件位于用户 home 目录下的 '.sequential_thinking/logs' 目录中。

关键词