Fradser MCP Server Mas Sequential Thinking

🚀 逐步思維工具文檔

本工具 sequentialthinking 藉助多代理系統（MAS）達成逐步推理功能，能讓大型語言模型（LLM）與服務器端點交互，從而完成複雜的分步思考任務。

🚀 快速開始

大型語言模型（LLM）調用該工具的流程如下：

1. LLM 使用 sequential - thinking - starter 提示開啟思考。
2. LLM 調用 sequentialthinking 工具，初始思考編號設為 1，思考內容可為 "計劃分析..."，同時指定總步數以及是否需要下一步。
3. 服務器端點對該思考進行處理，多代理系統（MAS）合成響應並提供下一步指導。
4. LLM 接收合成後的響應，依據指導開展下一步思考。
5. 不斷重複上述過程，直至完成所有思考步驟。

✨ 主要特性

• 藉助多代理系統（MAS）實現逐步推理功能。
• 允許大型語言模型（LLM）與服務器端點交互，處理複雜的分步思考任務。

📦 安裝指南

1. 克隆倉庫。
2. 設置虛擬環境。
3. 安裝依賴項：

# 使用 uv
uv pip install -e ".[dev]"
# 使用 pip
pip install -e ".[dev]"

4. 運行測試：

pytest tests/

💻 使用示例

基礎用法

該工具接受符合 Pydantic 模型的 ThoughtData 參數：

{
    "thought": str,              # 當前思考內容
    "thoughtNumber": int,        # 序列號（>=1）
    "totalThoughts": int,        # 預計總步數（>=1，建議>=5）
    "nextThoughtNeeded": bool,   # 是否需要下一步？
    "isRevision": bool = False,  # 是否是對前一步的修訂？
    "revisesThought": Optional[int] = None, # 如果是修訂，則指定要修訂的思考編號
    "branchFromThought": Optional[int] = None, # 如果是分支，則指定來源的思考編號
    "branchId": Optional[str] = None, # 分支唯一標識符
    "needsMoreThoughts": bool = False # 信號如果總步數估計過低？
}

高級用法

工具返回以下 JSON 格式數據：

{
  "processedThoughtNumber": int,    # 處理後的思考編號
  "estimatedTotalThoughts": int,     # 預計總步數
  "nextThoughtNeeded": bool,         # 是否需要下一步？
  "coordinatorResponse": "..."       # 合成的輸出，包括分析、發現和下一步指導...
}

🔧 技術細節

日誌記錄

• 日誌文件存於 ~/.sequential_thinking/logs/sequential_thinking.log。
• 運用 Python 的標準 logging 模塊。
• 涵蓋輪轉文件處理（10MB 限制，5 份備份）以及控制檯輸出（INFO 級別）。
• 日誌記錄包含時間戳、日誌級別、記錄器名稱和消息。

📄 許可證

該工具採用 MIT 許可證。