MCP Reasoner

🚀 MCP 推理器

MCP 推理器是為 Claude Desktop 實現的推理功能，支持束搜索（Beam Search）和蒙特卡洛樹搜索（MCTS），旨在提升 Claude 在複雜問題上的解決能力。

🚀 快速開始

本項目可通過克隆倉庫並安裝依賴來完成安裝，隨後添加到 Claude Desktop 配置中即可使用。

安裝步驟

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

將以下配置添加到 Claude Desktop 配置中：

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

✨ 主要特性

• 🔄 提供兩種可切換的搜索策略：
  • 束搜索：適合處理簡單問題。
  • MCTS 及其 alpha 變體：在問題變得複雜時使用。
• 📊 跟蹤不同推理路徑的優劣。
• 📈 繪製 Claude 解決問題的所有不同方式。
• 🧐 分析推理過程的進展情況。
• 📜 遵循 MCP 協議。

📦 安裝指南

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

📚 詳細文檔

當前版本：v2.0.0

新增功能

• 添加了兩個實驗性推理算法：
  • mcts-002-alpha：
    • 使用 A* 搜索方法，包含早期 alpha 實現的策略仿真層。
    • 包含早期 alpha 實現的自適應探索仿真器和基於結果推理仿真器。 注意：這些仿真器的實現尚未完成，可能會發生變化。
  • mcts-002alt-alpha：
    • 使用雙向搜索方法，包含早期 alpha 實現的策略仿真層。
    • 包含早期 alpha 實現的自適應探索仿真器和基於結果推理仿真器。 注意：這些仿真器的實現尚未完成，可能會發生變化。

疑問解答

• mcts-001-alpha 和 mcts-001alt-alpha 去哪了？ 簡單來說，它們沒用且與基礎 mcts 方法幾乎相似。初始測試顯示基本思考過程接近，表明僅添加策略仿真可能效果不大。
• 為什麼現在要加策略仿真層？ 同時結合策略和搜索是關鍵，因為大多數算法都是這樣實現的。

之前的版本：v1.1.0

添加了對搜索參數的模型控制：

• beamWidth：允許 Claude 調整要跟蹤的不同路徑數量（1 - 10）。
• numSimulations：精細調諧 MCTS 模擬次數（1 - 150）。

測試與基準測試

• 測試：更多測試即將推出。
• 基準測試：基準測試即將添加，關鍵基準測試項目包括 MATH500、GPQA - Diamond、GMSK8，或許還有 Polyglot 和/或 SWE - Bench。

📄 許可證

該項目使用 MIT 許可證，詳情請參閱 LICENSE 文件。