Sequential Thinking MCP

🚀 顺序思维MCP

本仓库提供了一个MCP（模型上下文协议）服务器，可使AI智能体执行高级元认知以及进行动态、反思性的问题解决。此版本的顺序思维与原始版本有很大不同，它仅强制智能体虚拟记录其想法和计划，除了自我提示外，实际上不执行任何操作。我发现这对于任何类型的大语言模型都已足够。

🚀 快速开始

本项目提供了一个强大的MCP服务器，助力AI智能体实现高级元认知和问题解决。下面将为你详细介绍如何进行安装和使用。

✨ 主要特性

• 高级元认知：通过思想记录，提供 think 工具以进行动态和反思性的问题解决。
• 智能体工作流编排：将复杂任务分解为精确、可管理和可追溯的步骤，引导AI智能体完成复杂任务。
• 迭代优化：评估每个步骤的成功与否，必要时进行自我纠正，以适应新信息或错误。
• 主动规划：利用 left_to_be_done 进行明确的未来状态管理和任务估算。
• 工具推荐：通过 tool_recommendation 建议特定工具，以执行计划的操作或收集必要的信息。

📦 安装指南

前提条件

• Python 3.10+
• uv（用于本地开发）

安装方式

你可以选择以下其中一种安装方法：

从PyPI安装（推荐）

此方法适用于将该包作为库使用或在不修改代码的情况下运行服务器。

1. 从PyPI安装包：

pip install sequential-thinking-mcp

2. 运行MCP服务器（默认：标准输入输出）：

python -m sequential_thinking

本地开发安装

此方法适用于想要修改源代码的贡献者，需使用 uv：

1. 克隆仓库：

git clone https://github.com/philogicae/sequential-thinking-mcp.git
cd sequential-thinking-mcp

2. 使用 uv 安装依赖：

uv sync --locked

3. 运行MCP服务器（默认：标准输入输出）：

uv run -m sequential_thinking

Docker安装

1. 克隆仓库（如果你还没有这样做）：

git clone https://github.com/philogicae/sequential-thinking-mcp.git
cd sequential-thinking-mcp

2. 使用Docker Compose构建并运行容器（默认端口：8000）：

docker compose up --build -d

3. 查看容器日志：

docker logs sequential-thinking-mcp -f

💻 使用示例

作为MCP服务器

from sequential_thinking import mcp

mcp.run(transport="sse")

通过MCP客户端

可与任何兼容MCP的客户端一起使用，可用工具如下：

• think：记录想法、规划下一步并推荐工具。

与Windsurf的使用示例

配置如下：

{
  "mcpServers": {
    ...
    # 使用标准输入输出（仅需uv）
    "sequential-thinking-mcp": {
      "command": "uvx",
      "args": [ "sequential-thinking-mcp" ]
    },
    # 使用sse传输（需要安装）
    "sequential-thinking-mcp": {
      "serverUrl": "http://127.0.0.1:8000/sse"
    },
    # 使用可流式HTTP传输（需要安装）
    "sequential-thinking-mcp": {
      "serverUrl": "http://127.0.0.1:8000/mcp" # 并非所有客户端都支持
    },
    ...
  }
}

📚 详细文档

变更日志

有关本项目的变更历史，请参阅 CHANGELOG.md。

贡献指南

欢迎贡献！请提交问题或拉取请求。

📄 许可证

本项目采用MIT许可证 - 有关详细信息，请参阅 LICENSE 文件。