🚀 结构化思维 MCP 服务器

这是一个用 TypeScript 实现的模型上下文协议（MCP）服务器，基于 Arben Ademi 的 顺序思维 Python 服务器开发。该项目旨在让大语言模型（LLMs）以编程方式构建心智地图，探索想法空间，并强制执行“元认知”自我反思。

🚀 快速开始

在 Claude Desktop、Cursor 或其他 MCP 客户端中设置工具配置如下：

{
  "structured-thinking": {
    "command": "npx",
    "args": ["-y", "structured-thinking"]
  }
}

✨ 主要特性

思想质量评分

当 LLM 捕获一个思想时，会为该思想分配一个 0 到 1 之间的质量评分。此评分与思想阶段相结合，为 LLM 提供“元认知”反馈，指导其“引导”思考过程。

思想阶段

每个思想会被标记为某个阶段（如问题定义、分析、构想），以管理 LLM 思考过程的生命周期。在当前实现中，这些阶段至关重要。若 LLM 在给定阶段花费时间过长，或在当前阶段产生低质量思想，服务器会提供反馈，提示 LLM 将思考转向其他阶段，或至少考虑与当前阶段不太典型的策略（例如，在演绎模式下，鼓励 LLM 考虑更多创造性思想）。

思想分支

LLM 可从特定思想“派生”分支，并行探索不同推理线路。每个分支会被单独跟踪，便于管理多种解决方案或想法并存的场景。

记忆管理

服务器维护一个包含 LLM 最近十个思想的“短期”记忆缓冲区，以及可根据标签检索的“长期”记忆，用于总结整个主题历史。

🔧 技术细节

局限性

对元认知监控的机械应用

目前，质量指标和元认知反馈是通过基于阶段的简单乘数，从单个自报告质量评分中机械推导得出的。未来计划添加更复杂的元认知反馈，包括思想内容的语义分析、思想验证流程以及对推理错误更智能的监控。

缺乏用户界面

目前，服务器将所有想法存储在内存中，未持久化到文件或数据库，也没有用于审查思想空间或可视化心智地图的用户界面。未来计划集成一个简单的可视化客户端，方便用户观察思想图谱的演变。

📚 详细文档

MCP 工具

该服务器公开了以下 MCP 工具：

💻 使用示例

基础用法

// 捕获新思想
capture_thought({
  thought: "我们需要增加用户认证功能",
  stage: "问题定义",
  branch: "auth-feature"
});

// 修订现有思想
revise_thought({
  thought_id: "12345",
  new_thought: "我们需要在下个 sprint 中实现用户认证功能"
});

// 合并思想
merge_thoughts({
  source_ids: ["67890", "54321"],
  target_id: "43210"
});

// 删除旧思想
delete_thought({
  thought_id: "12345",
  recursive: true
});

📄 总结

这个 TypeScript MCP 服务器为 LLM 提供了结构化环境，支持复杂的思考和问题解决过程。用户可通过捕获、修订、合并和删除思想，有效管理思维流程并按需调整。尽管当前存在一些局限性，但未来工作将增强其功能并扩展其能力。