MCP Reasoner

🚀 MCP 推理器

このプロジェクトは、Claude デスクトップ向けの推論実装で、ビームサーチとモンテカルロ木探索（MCTS）を同時に利用できるようにします。当初は、Claude が複雑な問題解決においてより良い性能を発揮できるかどうかを確認するために始めたもので、結果的にそれが可能であることがわかりました。

現在のバージョン：

v2.0.0

新機能：

2つの実験的な推論アルゴリズムを追加しました：

- `mcts-002-alpha`

    - A* 探索方法を使用し、早期の *alpha* 実装の戦略シミュレーション層を組み合わせています。

    - 早期の *alpha* 実装の適応的探索シミュレータと結果ベースの推論シミュレータも含まれています。

*注意*：これらのシミュレータの実装はまだ完了しておらず、変更される可能性があります。

- `mcts-002alt-alpha`

    - 双方向探索方法を使用し、早期の *alpha* 実装の戦略シミュレーション層を組み合わせています。

    - 早期の *alpha* 実装の適応的探索シミュレータと結果ベースの推論シミュレータも含まれています。

*注意*：これらのシミュレータの実装はまだ完了しておらず、変更される可能性があります。

なぜ mcts-001-alpha と mcts-001alt-alpha を廃止したのですか？

簡単に言えば、これらはほとんど役に立たず、基本的な mcts 方法とほとんど同じでした。初期テストの結果、基本的な思考プロセスの効果が似ていることが示され、単純に戦略シミュレーションを追加しても影響がない可能性があることがわかりました。

なぜ今、戦略シミュレーション層を導入するのですか？

私は、戦略と探索を組み合わせることが重要だと考えています。なぜなら、ほとんどのアルゴリズムがこのように実装されているからです。

以前のバージョン：

v1.1.0

探索パラメータのモデル制御を追加しました：

beamWidth - Claude に追跡する異なるパスの数を調整させます（1 - 10）

numSimulations - MCTS シミュレーション回数を微調整します（1 - 150）

✨ 主な機能

• 2種類の切り替え可能な探索戦略：
  • ビームサーチ（単純な問題に適しています）
  • MCTS（問題が複雑になった場合）とそのアルファバリエーション（上記を参照）
• 異なる推論パスの良し悪しを追跡する
• Claude が問題を解決するさまざまな方法を可視化する
• 推論プロセスのパフォーマンスを分析する
• MCP プロトコルに準拠しています（当然のことながら）

📦 インストール

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

または、オリジナルのリポジトリをクローンします：

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

cd mcp-reasoner
npm install
npm run build

📚 ドキュメント

設定

Claude デスクトップの設定に追加します：

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

テスト

[追加のテストが間もなく提供されます]

ベンチマーク

[ベンチマークはすぐに追加されます]

テストが必要な主要なベンチマーク：

• MATH500
• GPQA-Diamond
• GMSK8
• おそらく Polyglot および/または SWE-Bench

📄 ライセンス

このプロジェクトは MIT ライセンスの下で公開されています。詳細については LICENSE ファイルを参照してください。