Token导航 LogoToken导航

MCP Server · 运维云端

MCP Reasoning Coding

一个灵活可配置的两阶段推理和响应生成系统,支持多种AI提供商和模型。

stdio官方级别未说明来源级核验工具 0@smithery/cli
对话管理JavaScriptClaude多模型支持Claude DesktopCline

快速开始

作者 / 组织
mario-andreschak
提供方
mario-andreschak
运行时
Node.js

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

14

仓库热度

收录来源

1 个

MCP World

选型结论

MCP Reasoning Coding 属于运维云端类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,适配 Claude Desktop、Claude、Cline,有可以直接复制的安装命令;接入前先确认权限范围。

分类

运维云端

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

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

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

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

  1. 克隆此存储库:
   git clone https://github.com/mario-andreschak/mcp-reasoning-coding.git
   cd /mcp-reasoning-coding
  1. 安装依赖关系:
   npm install
  1. 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。

  1. 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。

  1. 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)

  1. 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;
  1. 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)

  1. 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。

  1. 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。

  1. 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

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

AI推理JavaScript本地部署响应生成多模型支持配置灵活对话管理

支持客户端

Claude DesktopClaudeCline

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标,定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量,找出闲置和超额的部分。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已经适配 Claude Desktop、Claude、Cline,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好 Node.js,换机器要重新装一遍。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
MCP Reasoning Coding

MCP World · 本页

0stdio有1 个2026-05-17
Ui Tars Desktop 8a825770

MCP World

0stdio有1 个2026-05-17
Elie222 MCP

MCP World

0未说明未标注1 个2026-05-17
Arizeai Phoenix MCP

MCP World

0stdio有3 个2026-05-17
Unity MCP 87ee506e

MCP World

42HTTP有2 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

MCP Reasoning Coding 怎么安装?

公开资料给出的安装命令是 npx -y @smithery/cli install @mario-andreschak/mcp-reasoning-coding --client claude,运行环境为 Node.js。装完后按客户端要求写进 MCP 配置,重启客户端生效。

MCP Reasoning Coding 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Node.js;保存后完全退出客户端再打开,配置才会生效。

MCP Reasoning Coding 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

MCP Reasoning Coding 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

MCP Reasoning Coding 支持哪些客户端?

公开资料标注支持 Claude Desktop、Claude、Cline;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP