🚀 链式草稿 (CoD) MCP 服务器
本项目实现了链式草稿（Chain of Draft, CoD）推理方法，此方法能让大语言模型（LLM）生成简洁且信息丰富的中间推理步骤，在解决任务时显著降低令牌使用量，为相关任务的处理带来了新的优化方案。
🚀 快速开始
本MCP服务器实现了论文《链式草稿：通过写作减少思考》中所描述的链式草稿（CoD）推理方法。CoD是一种新颖的方法，允许LLM生成简洁但信息丰富的中间推理步骤，解决任务时显著降低令牌使用量。
✨ 主要特性
- AnalyticsService：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，并将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。
📦 安装指南
Python 实现
-
环境配置
- 下载并安装Python 3.8及以上版本。
- 安装所需的依赖项，例如
anthropic,dotenv等。
-
代码实现
from client import ChainOfDraftClient
# 创建客户端
cod_client = ChainOfDraftClient()
# 直接使用
result = await cod_client.solve_with_reasoning(
problem="求解：247 + 394 = ?",
domain="数学"
)
print(f"答案：{result['final_answer']}")
print(f"推理步骤：{result['reasoning_steps']}")
print(f"使用的令牌数：{result['token_count']}")
JavaScript 实现
-
环境配置
- 下载并安装Node.js 14及以上版本。
- 安装所需的依赖项，例如
@anthropic-ai/sdk,dotenv等。
-
代码实现
import { Anthropic } from "@anthropic-ai/sdk";
import dotenv from "dotenv";
// 加载环境变量
dotenv.config();
// 创建Anthropic客户端
const anthropic = new Anthropic({
apiKey: process.env.ANTHROPIC_API_KEY,
});
// 导入链式草稿客户端
import chainOfDraftClient from './lib/chain-of-draft-client.js';
// 使用客户端
async function solveMathProblem() {
const result = await chainOfDraftClient.solveWithReasoning({
problem: "求解：247 + 394 = ?",
domain: "数学",
max_words_per_step: 5
});
console.log(`答案：${result.final_answer}`);
console.log(`推理步骤：${result.reasoning_steps}`);
console.log(`使用的令牌数：${result.token_count}`);
}
solveMathProblem();
💻 使用示例
基础用法
Python 实现
from client import ChainOfDraftClient
# 创建客户端
cod_client = ChainOfDraftClient()
# 直接使用
result = await cod_client.solve_with_reasoning(
problem="求解：247 + 394 = ?",
domain="数学"
)
print(f"答案：{result['final_answer']}")
print(f"推理步骤：{result['reasoning_steps']}")
print(f"使用的令牌数：{result['token_count']}")
JavaScript 实现
import { Anthropic } from "@anthropic-ai/sdk";
import dotenv from "dotenv";
// 加载环境变量
dotenv.config();
// 创建Anthropic客户端
const anthropic = new Anthropic({
apiKey: process.env.ANTHROPIC_API_KEY,
});
// 导入链式草稿客户端
import chainOfDraftClient from './lib/chain-of-draft-client.js';
// 使用客户端
async function solveMathProblem() {
const result = await chainOfDraftClient.solveWithReasoning({
problem: "求解：247 + 394 = ?",
domain: "数学",
max_words_per_step: 5
});
console.log(`答案：${result.final_answer}`);
console.log(`推理步骤：${result.reasoning_steps}`);
console.log(`使用的令牌数：${result.token_count}`);
}
solveMathProblem();
🔧 技术细节
Python 实现
- AnalyticsService：跟踪性能指标，跨越不同领域和推理方法。
- ComplexityEstimator：分析问题以确定适当的单词限制。
- 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自动选择CoD或CoT。
JavaScript 实现
- analyticsDb：内存数据库，用于跟踪性能指标。
- complexityEstimator：分析问题以确定复杂性和适当的单词限制。
- 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自动选择CoD或CoT。
两种实现遵循相同的核心原则，并提供相同的MCP工具，使得它们在大多数用例中可以互换使用。
📄 许可证
本项目采用MIT许可证，你可以自由地使用、修改和分发代码。
🤝 贡献指南
欢迎贡献！请参考CONTRIBUTING.md了解如何为该项目做出贡献。
🐞 问题报告
在使用过程中遇到问题？请提交到GitHub Issues，我们会尽快解决。