Structured Thinking

🚀 結構化思維 MCP 服務器

這是一個用 TypeScript 實現的模型上下文協議（MCP）服務器，基於 Arben Ademi 的 順序思維 Python 服務器開發。該項目旨在讓大語言模型（LLMs）以編程方式構建心智地圖，探索想法空間，並強制執行“元認知”自我反思。

🚀 快速開始

在 Claude Desktop、Cursor 或其他 MCP 客戶端中設置工具配置如下：

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

✨ 主要特性

思想質量評分

當 LLM 捕獲一個思想時，會為該思想分配一個 0 到 1 之間的質量評分。此評分與思想階段相結合，為 LLM 提供“元認知”反饋，指導其“引導”思考過程。

思想階段

每個思想會被標記為某個階段（如問題定義、分析、構想），以管理 LLM 思考過程的生命週期。在當前實現中，這些階段至關重要。若 LLM 在給定階段花費時間過長，或在當前階段產生低質量思想，服務器會提供反饋，提示 LLM 將思考轉向其他階段，或至少考慮與當前階段不太典型的策略（例如，在演繹模式下，鼓勵 LLM 考慮更多創造性思想）。

思想分支

LLM 可從特定思想“派生”分支，並行探索不同推理線路。每個分支會被單獨跟蹤，便於管理多種解決方案或想法並存的場景。

記憶管理

服務器維護一個包含 LLM 最近十個思想的“短期”記憶緩衝區，以及可根據標籤檢索的“長期”記憶，用於總結整個主題歷史。

🔧 技術細節

侷限性

對元認知監控的機械應用

目前，質量指標和元認知反饋是通過基於階段的簡單乘數，從單個自報告質量評分中機械推導得出的。未來計劃添加更復雜的元認知反饋，包括思想內容的語義分析、思想驗證流程以及對推理錯誤更智能的監控。

缺乏用戶界面

目前，服務器將所有想法存儲在內存中，未持久化到文件或數據庫，也沒有用於審查思想空間或可視化心智地圖的用戶界面。未來計劃集成一個簡單的可視化客戶端，方便用戶觀察思想圖譜的演變。

📚 詳細文檔

MCP 工具

該服務器公開了以下 MCP 工具：

💻 使用示例

基礎用法

// 捕獲新思想
capture_thought({
  thought: "我們需要增加用戶認證功能",
  stage: "問題定義",
  branch: "auth-feature"
});

// 修訂現有思想
revise_thought({
  thought_id: "12345",
  new_thought: "我們需要在下個 sprint 中實現用戶認證功能"
});

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

// 刪除舊思想
delete_thought({
  thought_id: "12345",
  recursive: true
});

📄 總結

這個 TypeScript MCP 服務器為 LLM 提供了結構化環境，支持複雜的思考和問題解決過程。用戶可通過捕獲、修訂、合併和刪除思想，有效管理思維流程並按需調整。儘管當前存在一些侷限性，但未來工作將增強其功能並擴展其能力。