🚀 MCP 推理器

MCP 推理器是为 Claude Desktop 实现的推理功能，支持束搜索（Beam Search）和蒙特卡洛树搜索（MCTS），旨在提升 Claude 在复杂问题上的解决能力。

🚀 快速开始

本项目可通过克隆仓库并安装依赖来完成安装，随后添加到 Claude Desktop 配置中即可使用。

安装步骤

git clone https://github.com/frgmt0/mcp-reasoner.git 

# 或者克隆原始版本
git clone https://github.com/Jacck/mcp-reasoner.git

cd mcp-reasoner
npm install
npm run build

配置方法

将以下配置添加到 Claude Desktop 配置中：

{
  "mcpServers": {
    "mcp-reasoner": {
      "command": "node",
      "args": ["path/to/mcp-reasoner/dist/index.js"]
    }
  }
}

✨ 主要特性

• 🔄 提供两种可切换的搜索策略：
  • 束搜索：适合处理简单问题。
  • MCTS 及其 alpha 变体：在问题变得复杂时使用。
• 📊 跟踪不同推理路径的优劣。
• 📈 绘制 Claude 解决问题的所有不同方式。
• 🧐 分析推理过程的进展情况。
• 📜 遵循 MCP 协议。

📦 安装指南

git clone https://github.com/frgmt0/mcp-reasoner.git 

# 或者克隆原始版本
git clone https://github.com/Jacck/mcp-reasoner.git

cd mcp-reasoner
npm install
npm run build

📚 详细文档

当前版本：v2.0.0

新增功能

• 添加了两个实验性推理算法：
  • mcts-002-alpha：
    • 使用 A* 搜索方法，包含早期 alpha 实现的策略仿真层。
    • 包含早期 alpha 实现的自适应探索仿真器和基于结果推理仿真器。 注意：这些仿真器的实现尚未完成，可能会发生变化。
  • mcts-002alt-alpha：
    • 使用双向搜索方法，包含早期 alpha 实现的策略仿真层。
    • 包含早期 alpha 实现的自适应探索仿真器和基于结果推理仿真器。 注意：这些仿真器的实现尚未完成，可能会发生变化。

疑问解答

• mcts-001-alpha 和 mcts-001alt-alpha 去哪了？ 简单来说，它们没用且与基础 mcts 方法几乎相似。初始测试显示基本思考过程接近，表明仅添加策略仿真可能效果不大。
• 为什么现在要加策略仿真层？ 同时结合策略和搜索是关键，因为大多数算法都是这样实现的。

之前的版本：v1.1.0

添加了对搜索参数的模型控制：

• beamWidth：允许 Claude 调整要跟踪的不同路径数量（1 - 10）。
• numSimulations：精细调谐 MCTS 模拟次数（1 - 150）。

测试与基准测试

• 测试：更多测试即将推出。
• 基准测试：基准测试即将添加，关键基准测试项目包括 MATH500、GPQA - Diamond、GMSK8，或许还有 Polyglot 和/或 SWE - Bench。

📄 许可证

该项目使用 MIT 许可证，详情请参阅 LICENSE 文件。