Chain Of Draft Prompt Tool

🚀 MCP 链表

MCP（Model Context Protocol）链表是一种用于管理模型上下文交互的协议，此项目实现了基于 Chain of Drafts (CoD) 方法的推理服务器，支持多种编程语言和工具接口，为模型上下文交互管理提供了高效且灵活的解决方案。

🚀 快速开始

Python 使用示例

要在 Python 中使用此库，请按照以下步骤操作：

# 安装依赖项
pip install mcp-chain

# 启动服务
python -m mcp_chain.server

JavaScript 使用示例

要在 JavaScript 中使用此库，请执行以下命令：

# 安装依赖项
npm install mcp-chain

# 启动服务
node src/index.js

✨ 主要特性

• MCP 兼容性：完全遵循 MCP 协议规范。
• 多语言支持：提供 Python 和 JavaScript/TypeScript 实现。
• 可扩展插件系统：允许集成自定义 LLM 提供商和模型。
• 性能监控：内置分析工具用于跟踪推理效率。

📦 安装指南

MCP 链表实现

# 启动 MCP 链表服务
npm run start

# 或手动运行
node dist/index.js

此命令将：

1. 在默认端口启动 MCP 服务器。
2. 提供完整的 CoD 推理功能。
3. 支持与 MCP 客户端的交互。

启动监控工具

# 启动监控工具
npm run inspect

# 或手动运行
node src/monitor.js

此工具将提供以下功能：

1. 实时跟踪推理效率。
2. 生成性能报告。
3. 提供可视化界面。

💻 使用示例

Python 使用示例

# 安装依赖项
pip install mcp-chain

# 启动服务
python -m mcp_chain.server

JavaScript 使用示例

# 安装依赖项
npm install mcp-chain

# 启动服务
node src/index.js

📚 详细文档

核心组件

1. MCP 服务器：

   • 实现了 CoD 推理协议。
   • 支持多种问题领域（数学、逻辑、编程等）。
   • 提供性能指标收集和报告功能。

2. LLM 集成：

   • 原生支持 OpenAI、Anthropic 和 Ollama 等主流 LLM 提供商。
   • 支持自定义 LLM 接口。

3. 工具集：

   • 内置多种推理工具，包括问题解决、数学计算、代码分析等。

项目结构

MCP 链表实现

# 启动 MCP 链表服务
npm run start

# 或手动运行
node dist/index.js

Python 实现细节

• AnalyticsService：用于跟踪不同领域和推理方法的性能指标。
• ComplexityEstimator：分析问题以确定合适的单词限制。
• ExampleDatabase：管理和检索示例，将 CoT 示例转换为 CoD 格式。
• FormatEnforcer：确保推理步骤符合单词限制。
• ReasoningSelector：根据问题特征和历史性能智能选择 CoD 或 CoT。

JavaScript 实现细节

• analyticsDb：用于内存中跟踪性能指标的数据库。
• complexityEstimator：分析问题以确定复杂性和合适的单词限制。
• formatEnforcer：确保推理步骤符合单词限制。
• reasoningSelector：根据问题特征和历史性能智能选择 CoD 或 CoT。

工具集

🔧 技术细节

MCP 链表项目基于 Chain of Drafts (CoD) 方法实现推理服务器，在不同编程语言中有具体的实现细节。Python 版本通过多个核心组件，如 AnalyticsService、ComplexityEstimator 等，实现对性能指标的跟踪、问题复杂性分析等功能；JavaScript 版本也有类似的核心组件，如 analyticsDb、complexityEstimator 等，用于实现相同或相似的功能。同时，服务器提供了丰富的工具集，涵盖了问题解决、性能统计、问题复杂性分析等多个方面。此外，项目还提供了 MCP 链表监控工具，用于实时跟踪推理效率、生成性能报告和提供可视化界面。

📄 许可证

该项目使用 MIT 许可证，允许自由修改和分发。完整的许可信息可以在项目的 LICENSE 文件中找到。

如需更多信息，请访问项目的官方文档或联系开发团队。