Python Sequential Thinking MCP

顺序思维MCP服务器（Python实现）

使用官方模型上下文协议（MCP）Python SDK的顺序思维MCP服务器的Python实现。该服务器为解决问题和分析提供了详细的、循序渐进的思维过程。

特性

• 将复杂问题分解为可管理的步骤
• 随着理解的加深，修改和完善想法
• 分支到其他推理路径
• 动态调整想法总数
• 生成并验证解决方案假设

用法

直接运行

uv --directory "/path/to/sequential-thinking-mcp" run main.py

开发模式

对于开发和测试，您可以使用MCP CLI工具：

# Install MCP CLI tools
pip install "mcp[cli]"

# Run in development mode
mcp dev "/path/to/sequential-thinking-mcp"

# npx @modelcontextprotocol/inspector
npx @modelcontextprotocol/inspector uv --diectory "/path/to/sequential-thinking-mcp" run main.py

整合

mcp install "\path\to\sequential-thinking-mcp\server.py"

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/sequential-thinking-mcp",
        "run",
        "main.py"
      ]
    }
  }
}

顺序思维工具

服务器提供了一个名为 sequential_thinking 具有以下参数：

• thought （string）：当前思考步骤
• thoughtNumber （整数）：当前思想数
• totalThoughts （整数）：估计所需的总想法
• nextThoughtNeeded （boolean）：是否需要另一个思考步骤
• isRevision （boolean，可选）：这是否改变了之前的想法
• revisesThought （整数，可选）：正在重新考虑哪个想法
• branchFromThought （整数，可选）：分支点思想数
• branchId （字符串，可选）：分支标识符
• needsMoreThoughts （boolean，可选）：如果需要更多想法

资源

服务器提供以下资源用于访问思维数据：

• thoughts://history：获取完整的思想史
• thoughts://branches/{branch_id}：获取特定分支的想法
• thoughts://summary：获取所有想法和分支的摘要

提示

• thinking_process_guide：顺序思维过程使用指南

示例用法

# First thought
sequential_thinking(
    thought="First, we need to understand the problem requirements.",
    thoughtNumber=1,
    totalThoughts=5,
    nextThoughtNeeded=True
)

# Second thought
sequential_thinking(
    thought="Now, let's analyze the key constraints.",
    thoughtNumber=2,
    totalThoughts=5,
    nextThoughtNeeded=True
)

# Revise a thought
sequential_thinking(
    thought="Actually, we need to clarify the problem requirements first.",
    thoughtNumber=1,
    totalThoughts=5,
    nextThoughtNeeded=True,
    isRevision=True,
    revisesThought=1
)

# Branch from thought 2
sequential_thinking(
    thought="Let's explore an alternative approach.",
    thoughtNumber=3,
    totalThoughts=5,
    nextThoughtNeeded=True,
    branchFromThought=2,
    branchId="alternative-approach"
)

与Claude或其他人工智能助理集成

要将此服务器与Claude或支持MCP的其他AI助手一起使用：

1. 使用MCP CLI在Claude Desktop中安装MCP服务器
2. 然后，人工智能可以使用顺序思考工具来分解复杂的问题

关于模型上下文协议（MCP）

模型上下文协议（MCP）是应用程序向LLM提供上下文和工具的标准化方式。它允许：

• 资源：向法学硕士提供上下文数据
• 工具：展示LLM采取行动的功能
• 提示：为LLM交互定义可重用的模板

有关更多信息，请访问 模型上下文协议.io

许可证

MIT许可证。看 许可证 了解详情。