Fradser MCP Server Mas Sequential Thinking

🚀 逐次思考ツールドキュメント

このドキュメントは、sequentialthinking という名前のツールについて説明しています。このツールは、マルチエージェントシステム（MAS）を通じて逐次的な推論機能を実現します。大型言語モデル（LLM）がサーバーエンドポイントとやり取りし、複雑な段階的な思考タスクを完了することを可能にします。

✨ 主な機能

このツールは、Pydantic モデルに準拠した ThoughtData パラメータを受け取ります。

📦 インストール

1. リポジトリをクローンします。
2. 仮想環境を設定します。
3. 依存関係をインストールします。

# uvを使用する場合
uv pip install -e ".[dev]"
# pipを使用する場合
pip install -e ".[dev]"

💻 使用例

基本的な使用法

このツールが受け取る ThoughtData パラメータは以下の通りです。

{
    "thought": str,              # 現在の思考内容
    "thoughtNumber": int,        # シーケンス番号（>=1）
    "totalThoughts": int,        # 予想される総ステップ数（>=1、5以上を推奨）
    "nextThoughtNeeded": bool,   # 次のステップが必要か？
    "isRevision": bool = False,  # 前のステップの修正か？
    "revisesThought": Optional[int] = None, # 修正の場合は、修正する思考番号を指定
    "branchFromThought": Optional[int] = None, # 分岐の場合は、元となる思考番号を指定
    "branchId": Optional[str] = None, # 分岐の一意の識別子
    "needsMoreThoughts": bool = False # 総ステップ数の見積もりが低すぎる場合の信号
}

高度な使用法

LLMがこのツールを呼び出すプロセスは以下の通りです。

1. LLMは sequential - thinking - starter プロンプトを使用して思考を開始します。
2. LLMは sequentialthinking ツールを呼び出し、初期の思考番号を1とし、「計画分析...」のような内容を指定し、総ステップ数と次のステップが必要かどうかを指定します。
3. サーバーエンドポイントがこの思考を処理し、MASが応答を合成して次のステップの指示を提供します。
4. LLMは合成された応答を受け取り、指示に従って次の思考を行います。
5. すべての思考ステップが完了するまで上記のプロセスを繰り返します。

応答形式

このツールは以下のJSON形式のデータを返します。

{
  "processedThoughtNumber": int,    # 処理された思考番号
  "estimatedTotalThoughts": int,     # 予想される総ステップ数
  "nextThoughtNeeded": bool,         # 次のステップが必要か？
  "coordinatorResponse": "..."       # 合成された出力、分析、発見、次のステップの指示などを含む...
}

📚 ドキュメント

ログ記録

• ログファイルは ~/.sequential_thinking/logs/sequential_thinking.log にあります。
• Pythonの標準 logging モジュールを使用しています。
• ローテーションファイル処理（10MB制限、5つのバックアップ）とコンソール出力（INFOレベル）を含んでいます。
• タイムスタンプ、ログレベル、ロガー名、メッセージが記録されます。

開発ガイド

テストを実行するには、以下のコマンドを実行します。

pytest tests/

📄 ライセンス

このツールはMITライセンスの下で提供されています。