🚀 香农思维MCP服务器

香农思维MCP服务器基于Claude Shannon系统性解决问题的方法论构建，为用户提供了一个实用工具，可将复杂问题分解为结构化的思考步骤。它严格遵循Shannon通过问题定义、数学建模和实际实现来系统解决问题的方法，助力用户高效应对各类难题。

🚀 快速开始

香农思维MCP服务器借助Claude Shannon的系统方法论，帮助用户将复杂问题结构化，实现高效的问题解决。该方法论涵盖问题定义、限制条件识别、模型建立、证明验证以及实际实现等关键步骤。

✨ 主要特性

• 迭代解决问题：支持修订和重新检查，随着理解的不断演变，灵活调整解决思路。
• 灵活验证：结合正式证明与实验验证，确保解决方案的可靠性。
• 依赖跟踪：明确记录对先前步骤的依赖，便于理清思路。
• 假设管理：需要清晰记录假设，使思考过程更加严谨。
• 确信水平：量化每一步骤的不确定性，让用户对解决过程心中有数。
• 丰富反馈：带颜色编码、符号和验证结果的格式化控制台输出，提供直观的信息反馈。

📦 安装指南

使用以下命令安装服务器：

npm install @modelcontextprotocol/server-shannon-thinking

💻 使用示例

基础用法

服务器提供了一个名为shannonthinking的单一工具，可按照Shannon的方法论结构化问题解决思考步骤。每个思想必须包含特定的信息，以下是一个示例：

const thought = {
  thought: "核心问题可以定义为一个信息流优化的问题",
  thoughtType: "problem_definition",
  thoughtNumber: 1,
  totalThoughts: 5,
  uncertainty: 0.2,
  dependencies: [],
  assumptions: ["系统具有有限容量", "信息流是连续的"],
  nextThoughtNeeded: true,
  // 可选：标记为对早期定义的修订
  isRevision: false,
  // 可选：指示步骤需要重新检查
  recheckStep: {
    stepToRecheck: "constraints",
    reason: "发现新的容量限制",
    newInformation: "系统显示非线性扩展"
  }
};

// 使用MCP客户端
const result = await client.callTool("shannonthinking", thought);

工具方案

该工具接受具有特定结构的思想，具体结构如下：

interface ShannonThought {
  thought: string;
  thoughtType: "problem_definition" | "constraints" | "model" | "proof" | "implementation";
  thoughtNumber: number;
  totalThoughts: number;
  uncertainty: number; // 0-1
  dependencies: number[];
  assumptions: string[];
  nextThoughtNeeded: boolean;
  
  // 可选修订字段
  isRevision?: boolean;
  revisesThought?: number;
  
  // 可选重新检查字段
  recheckStep?: {
    stepToRecheck: ThoughtType;
    reason: string;
    newInformation?: string;
  };
  
  // 可选验证字段
  proofElements?: {
    hypothesis: string;
    validation: string;
  };
  experimentalElements?: {
    testDescription: string;
    results: string;
    confidence: number; // 0-1
    limitations: string[];
  };
  
  // 可选实现字段
  implementationNotes?: {
    practicalConstraints: string[];
    proposedSolution: string;
  };
}

📚 详细文档

概述

Claude Shannon，被誉为信息论之父，通过以下系统方法论解决复杂问题：

1. 问题定义：将问题拆解为基本元素
2. 限制条件：识别系统限制和边界
3. 模型建立：开发数学/理论框架
4. 证明/验证：通过正式证明或实验测试进行验证
5. 实现/实验：设计和测试实际解决方案

该MCP服务器实现了这种方法论，作为指导系统性解决问题的工具。

使用方法

每个思想必须包含以下内容：

• 思想的实际内容
• 类型（problem_definition/constraints/model/proof/implementation）
• 思想编号和总思想数量估计
• 确信水平（不确定性：0 - 1）
• 对先前思想的依赖
• 明确的假设
• 是否需要另一个思考步骤

额外功能：

• 修订：思想可以修订早期步骤，因为理解在不断演变
• 重新检查：标记需要重新审视的步骤，以获取新的信息
• 实验验证：支持实验验证与正式证明相结合
• 实现注意事项：实际约束和提出的解决方案

使用场景

该工具在以下情况下特别有用：

• 复杂系统分析
• 信息处理问题
• 工程设计挑战
• 需要理论框架的问题
• 最优化问题
• 需要实际实现的系统
• 需要迭代细化的问题
• 实验验证与理论相辅相成的情况

🔧 技术细节

开发

# 安装依赖项
npm install

# 构建
npm run build

# 运行测试
npm test

# 开发模式
npm run watch

📄 许可证

本项目采用MIT许可证。