《Deepseek Thinking》第3.5章十四行诗-CLINE-MCP
](https://smithery.ai/server/@newideas99/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP)
一种模型上下文协议（MCP）服务器，通过OpenRouter将DeepSeek R1的推理能力与Claude 3.5 Sonnet的响应生成相结合。此实现使用两阶段过程，DeepSeek提供结构化推理，然后将其合并到Claude的响应生成中。
特性
- 两阶段处理:
- 使用DeepSeek R1进行初始推理（50k字符上下文） - 使用克劳德3.5十四行诗作为最终响应（600k字符上下文） - 这两种模型都通过OpenRouter的统一API访问 - 将DeepSeek的推理令牌注入Claude的上下文中
- 智能对话管理:
- 使用文件修改时间检测活动对话 - 处理多个并发对话 - 自动过滤已结束的对话 - 支持在需要时清除上下文
- 优化参数:
- 特定于模型的上下文限制： - DeepSeek：50000个字符用于集中推理 - 克劳德：60万个字符用于综合回答 - 推荐设置： - 温度：0.7，平衡创造力 - top_p:1.0表示全概率分布 - repetition_ppenalty：1.0以防止重复
安装
通过Smithery安装
使用Claude 3.5 Sonnet for Claude Desktop自动安装DeepSeek Thinking 史密瑟里:
npx -y @smithery/cli install @newideas99/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP --client claude手动安装
- 克隆存储库：
git clone https://github.com/yourusername/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP.git
cd Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP- 安装依赖项：
npm install- 创建一个
.env使用OpenRouter API密钥的文件：
# Required: OpenRouter API key for both DeepSeek and Claude models
OPENROUTER_API_KEY=your_openrouter_api_key_here
# Optional: Model configuration (defaults shown below)
DEEPSEEK_MODEL=deepseek/deepseek-r1 # DeepSeek model for reasoning
CLAUDE_MODEL=anthropic/claude-3.5-sonnet:beta # Claude model for responses- 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": {
"deepseek-claude": {
"command": "/path/to/node",
"args": ["/path/to/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP/build/index.js"],
"env": {
"OPENROUTER_API_KEY": "your_key_here"
},
"disabled": false,
"autoApprove": []
}
}
}工具使用
服务器提供两种工具用于生成和监视响应：
生成响应
生成具有以下参数的响应的主要工具：
{
"prompt": string, // Required: The question or prompt
"showReasoning"?: boolean, // Optional: Show DeepSeek's reasoning process
"clearContext"?: boolean, // Optional: Clear conversation history
"includeHistory"?: boolean // Optional: Include Cline conversation history
}check_response_status
用于检查响应生成任务状态的工具：
{
"taskId": string // Required: The task ID from generate_response
}响应轮询
服务器使用轮询机制来处理长时间运行的请求：
- 初始请求：
- generate_response 立即返回任务ID - 响应格式： {"taskId": "uuid-here"}
- 状态检查：
- 使用 check_response_status 轮询任务状态 - 注： 完成响应可能需要60秒 - 状态进展通过：待定→ 推理→ 回应→ 完成
Cline中的示例用法：
// Initial request
const result = await use_mcp_tool({
server_name: "deepseek-claude",
tool_name: "generate_response",
arguments: {
prompt: "What is quantum computing?",
showReasoning: true
}
});
// Get taskId from result
const taskId = JSON.parse(result.content[0].text).taskId;
// Poll for status (may need multiple checks over ~60 seconds)
const status = await use_mcp_tool({
server_name: "deepseek-claude",
tool_name: "check_response_status",
arguments: { taskId }
});
// Example status response when complete:
{
"status": "complete",
"reasoning": "...", // If showReasoning was true
"response": "..." // The final response
}发展
对于自动重建的开发：
npm run watch运作原理
- 推理阶段（DeepSeek R1）:
- 使用OpenRouter的推理令牌功能 - 在捕获推理时，提示被修改为输出“完成” - 从响应元数据中提取推理
- 反应阶段（克劳德3.5十四行诗）:
- 收到原始提示和DeepSeek的推理 - 生成包含推理的最终响应 - 维护对话上下文和历史记录
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RAT（检索增强思维）概念 斯基拉诺，通过结构化推理和知识检索增强AI响应。
该实现特别结合了DeepSeek R1的推理功能和Claude 3.5 Sonnet通过OpenRouter的统一API生成的响应。
